ADA 2026中国之声丨翁建平/郑雪瑛团队：7项研究聚焦糖尿病异质性与多组学精准诊疗

*仅供医学专业人士阅读参考

7项研究解码复杂代谢疾病的多维拼图

撰文：医学界报道组

点评：翁建平教授

2026年美国糖尿病协会科学年会（ADA 2026）召开期间，中国科学技术大学附属第一医院（安徽省立医院）翁建平教授与郑雪瑛教授团队报告了7项研究进展，内容涵盖1型糖尿病（T1DM）异质性分型、2型糖尿病（T2DM）并发症多组学图谱、代谢-炎症交互机制，以及数字健康干预新方法。以下为主要研究摘要。

基于隐马尔可夫模型揭示T1DM在线社区社会支持行为的动态演化

编号：1630-P

研究者：朱玉佳，赵辰霄，曾锡锋，张燕翔，郑雪瑛（合肥，深圳）

在线健康社区（OHC）在慢性疾病患者社会支持中发挥重要作用，但支持行为的纵向动态变化尚未充分研究。本研究旨在分析中国最大T1DM在线社区用户从"寻求支持"向"提供支持"转变的纵向演化模式及其影响因素。

为此，研究对2019~2024年7803名用户的378,304条帖子进行纵向分析。使用BERT-Base-Chinese模型将帖子分类为信息支持寻求/提供和情感支持寻求/提供行为，采用Chinese Clinical BERT识别情绪强度。采用隐马尔可夫模型（HMM）对行为状态转换（基线状态、支持寻求状态、支持提供状态）进行建模，纳入疾病病程和社区参与度作为协变量，时间窗口设置为6个月。利用Viterbi算法重建个体行为轨迹，并基于动态时间规整（DTW）进行行为轨迹聚类分析。

结果显示，46.2%的用户经历了至少1次行为状态转换。从寻求支持向提供支持的转换（28.4%）比反向转换（9.7%）更为常见。较长的疾病病程（β=0.42，P<0.01）和较长的社区参与时间（β=0.31，P<0.05）与成为支持提供者的可能性呈正相关。较高的情感强度也与这一转换呈正相关（β=0.27，P<0.05）。研究识别出3种典型行为轨迹类型：情感驱动型（32%）、理性积累型（45%）和波动型（23%）。

由此可见，T1DM在线社区用户表现出从寻求支持向提供支持的明确纵向转变，与疾病经验积累和持续社区参与密切相关。

C反应蛋白-甘油三酯葡萄糖指数与新发慢性疾病及死亡风险的相关性：来自多国队列的证据

编号：2229-P

研究者：李幸雨¹，张弘强¹，张俊豪¹，石洁¹，王穗健²，赵敏哲¹，何美雯²，袁舟¹，黎承华³，郑雪瑛¹，丁宇¹，岳彤¹
¹中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；²安徽医科大学第一附属医院内分泌科；³中国科学技术大学附属第一医院（安徽省立医院）泛血管疾病管理中心

慢性炎症和胰岛素抵抗参与多种慢性疾病的发生发展。C反应蛋白-甘油三酯葡萄糖指数（CTI）整合炎症、脂质和糖代谢信息，可反映个体代谢炎症负荷。本研究基于多国队列，探讨CTI与慢性疾病发生及死亡风险的关联，并评估其预测价值。

本研究以CHARLS（n=5366）和NHANES（n=2921）为主要队列，并在UK Biobank及医院队列中进行验证。采用Cox回归分析CTI及累积CTI与新发慢性疾病和死亡风险的关系，并结合K-means聚类、限制性立方样条和曲线下面积（AUC）评估CTI变化模式、非线性关联及预测性能。

结果显示，CTI升高与慢性疾病发生和死亡风险增加密切相关。在CHARLS队列中，累积CTI越高，新发高血压（HR 1.18，95%CI：1.11~1.26）、糖尿病（HR 1.60，95%CI：1.47~1.74）、血脂异常（HR 1.80，95%CI：1.69~1.92）、卒中（HR 1.15，95%CI：1.03~1.29）和哮喘（HR 1.25，95%CI：1.08~1.45）的风险越高。在NHANES队列中，较高CTI水平与全因死亡（HR 1.19，95%CI：1.14~1.25）以及癌症、心脏病、肺部疾病和糖尿病相关死亡风险升高相关。CTI>9.0时死亡风险明显升高。CTI对血脂异常和死亡风险具有较好预测能力，AUC分别为0.74和0.85。相关结果在两个独立队列中得到验证。

综上，CTI升高与多种新发慢性疾病及死亡风险增加相关，作为整合炎症和代谢信息的复合指标，具有较好的风险识别和预测价值。

2型糖尿病多系统并发症的多组学图谱

编号：2283-P

研究者：张弘强¹，岳彤¹，王穗健²，石洁¹，耿梦雅¹，张浩强¹，潘澜心¹，顾兆荷¹，孙礼洁¹，赵敏哲¹，郑雪瑛¹，翁建平³
¹中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；²安徽医科大学第一附属医院内分泌科；³中国科学技术大学讲席教授，现任安徽医科大学校长

T2DM可引发多系统并发症，但目前仍缺乏用于跨系统、多结局分析的整合性多组学研究框架。本研究旨在系统构建主要T2DM相关结局的蛋白质组学和代谢组学图谱，并识别兼具预测性能与临床可行性的分子预测面板。

基于前瞻性队列中的T2DM人群，分别建立蛋白质组学队列、代谢组学队列和多组学队列。通过横断面和纵向分析，系统评估血浆蛋白及代谢物与19种T2DM相关结局之间的关联。进一步采用基于机器学习的分子特征筛选策略构建风险预测模型，并与传统临床风险模型进行比较。

结果发现，一系列在多个T2DM相关结局中呈一致正向或负向关联的分子信号，提示其可能反映共同的生物学通路。不同结局也表现出特异性和异质性的分子特征。预测分析显示，基于蛋白质组学的模型显著优于临床模型；联合模型整体预测性能最佳，并在重分类指标上显示出一致改善。代谢组学特征仅带来有限的增量预测收益。研究确定了一个由百余种蛋白组成的简化预测面板，该面板仍能保持稳健的预测性能。

本项大规模多组学研究系统构建了T2DM并发症的分子图谱，为理解疾病发生发展机制及发现潜在治疗靶点提供了新线索，并提出了一个兼具临床可行性与实用性的风险预测和精准干预框架。

DDRTree降维分析揭示起病年龄是T1DM异质性的关键表型并支持起病年龄相关内型存在

编号：2371-P

研究者：常世茹，谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科

T1DM是一种高度异质性的疾病，能够反映其异质性的关键表型尚不明确。本研究采用基于树状降维方法（DDRTree），旨在识别T1DM异质性的关键临床表型，并进一步验证起病年龄相关内型的存在。

本研究纳入894例T1DM患者，基于起病年龄、体重指数、血压、谷丙转氨酶、糖化血红蛋白、肌酐、甘油三酯、高密度脂蛋白胆固醇、总胆固醇及3种胰岛自身抗体等13项表型进行DDRTree降维分析。随后基于DDRTree降维坐标验证起病年龄相关内型的分组界值（<7岁、7~13岁和≥13岁），并系统表征不同内型患者的临床、免疫学和遗传学特征，进一步探索不同内型患者的心血管结局风险。

结果显示，起病年龄是表征T1DM异质性的关键表型，可解释降维结果中64.6%的变异。基于DDRTree降维坐标，不同起病年龄组间差异显著，支持以<7岁、7~13岁和≥13岁作为起病年龄相关内型分组的界值。不同内型患者在自身抗体阳性率（P<0.001）、遗传风险（P<0.001）和代谢特征方面均存在显著差异。心血管结局分析显示，与匹配的健康对照组相比，<7岁和≥13岁起病T1DM患者的心血管风险均升高，且<7岁起病组的超额风险更为明显；两组心血管风险比分别为4.40（95%CI：2.78~6.95）和2.67（95%CI：2.31~3.09）。

研究表明，起病年龄是表征T1DM异质性的关键表型，并支持起病年龄相关内型的存在。不同内型患者在免疫特征、遗传风险及长期心血管风险等方面存在差异。

基于深度学习识别酮症酸中毒起病T1DM的多组学特征及关联机制

编号：2389-P

研究者：谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，常世茹，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科

T1DM起病时是否合并糖尿病酮症酸中毒（DKA），其发病机制存在显著异质性，肠道菌群等环境因素在其中的作用尚未明确。传统研究难以系统解析多组学数据间的复杂关联。

为此，本研究纳入69例新诊断T1DM患者，按起病时是否合并DKA分为DKA组与非DKA组。采用深度学习模型多组学变分自编码器（MOVE），系统评估肠道菌群、血清代谢组、脂质组及蛋白质组特征的组间差异，并通过模型扰动分析筛选关键菌群及其与代谢/蛋白特征的关联。

结果显示，MOVE模型在处理T1DM多组学数据中表现出优异性能（损失值=0.9403）。两组患者呈现出不同的多组学特征：DKA组以拟杆菌（Bacteroides clarus）、2-花生四烯酰甘油醚、磷脂酰胆碱[PC (36:2)]水平升高为特征；非DKA组以伯克霍尔德菌科、D-(+)-脯氨酸、溶血磷脂酰胆碱[LPC (16:0)]及CCL28蛋白水平升高为特征。整合分析证实肠道菌群在DKA起病中发挥关键作用。扰动分析提示，毛螺菌属特定种（Lachnospira sp000437735）可能通过促进苯甲醇向苯甲醛的代谢，改善T1DM起病时的DKA状态。

研究提示，深度学习模型的应用为解析T1DM起病异质性提供了新的分子视角，也为探索个体化防治策略提供了潜在治疗靶点。

多变量GWAS揭示肥胖与MASLD共享的多效性遗传位点

编号：2615-P

研究者：耿梦雅¹²，王穗健⁴，张弘强¹，孙礼洁¹，翁建平³⁴，郑雪瑛¹
¹中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢病科；²皖南医学院临床医学院；³中国科学技术大学生命科学与医学部；⁴安徽医科大学

肥胖与代谢功能障碍相关脂肪性肝病（MASLD）高度共病，但二者共享的遗传基础及其组织特异性调控机制尚未完全阐明。本研究通过整合多种遗传流行病学和功能基因组学方法，系统描绘肥胖相关表型与MASLD之间的遗传重叠，筛选潜在多效性位点和候选调控基因。

本研究基于欧洲人群公开全基因组关联研究（GWAS）汇总数据，纳入4项肥胖相关表型（体重指数、BMI校正腰围、BMI校正腰臀比、BMI校正臀围）及NAFLD/MASLD相关表型。采用连锁不平衡评分回归（LDSC）评估全基因组遗传相关性，应用条件错误发现率（condFDR）和联合错误发现率（conjFDR）筛选单表型及共享遗传位点，并通过多性状GWAS分析（MTAG）提高风险位点识别效能。结合GTEx v8数据库中肝脏、皮下脂肪和内脏脂肪组织的eQTL数据，采用汇总数据孟德尔随机化（SMR）分析探索基因表达与肥胖及MASLD相关表型之间的潜在因果关联。

遗传相关性分析显示，BMI与MASLD呈显著正相关（rg=0.687，P=1.30×10⁻⁶）；BMI校正腰臀比与MASLD亦呈正相关（rg=0.522，P=3.00×10⁻⁴），而BMI校正臀围与MASLD呈负相关（rg=-0.273，P=9.90×10⁻³）。condFDR分析识别出31个MASLD相关独立位点，其中15个为新位点并映射至13个基因；同时识别出184个肥胖相关独立位点。conjFDR发现23个肥胖-MASLD共享位点。MTAG分析分别识别出174个MASLD相关风险位点和482个肥胖相关风险位点。跨方法整合显示，ADCY3、FTO、TRIM66、COBLL1、L3MBTL3、VPS53、CDK6、ANAPC13和TBX15等基因获得多种分析方法支持，可能代表连接肥胖与MASLD的重要多效性遗传信号。SMR分析提示部分基因在肝脏、皮下脂肪和内脏脂肪组织中具有不同方向或强度的调控效应，反映出肥胖-MASLD共病可能存在组织特异性的分子调控机制。

本研究证实肥胖与MASLD之间存在显著遗传重叠，并识别出一批潜在多效性位点和组织特异性调控基因，为理解肥胖相关MASLD的遗传机制、优化高危人群风险分层以及探索代谢性疾病干预靶点提供了新线索。

外泌体miR-223-3p靶向NLRP3相关神经炎症，可能是T2DM发生认知功能障碍的生物标志物

编号：1117-OR

研究者：张浩强
中国科学技术大学附属第一医院内分泌代谢科

神经炎症在糖尿病认知功能障碍中发挥重要作用，其中NLRP3炎症小体是关键环节。本研究旨在阐明miR-223-3p对NLRP3相关神经炎症的调控作用，并探讨其作为T2DM患者轻度认知功能障碍（MCI）生物标志物的潜力。

通过高脂饲料喂养24周构建糖尿病小鼠模型，并利用行为学评估确认认知功能损害。对小鼠海马组织进行microRNA测序，验证miR-223-3p的表达变化。在体内检测NLRP3介导的神经炎症，同时在体外利用BV2细胞进行机制及通路研究。通过敲低和过表达miR-223-3p，评估其对NLRP3的影响。临床研究方面，检测伴与不伴MCI的T2DM患者血浆外泌体miR-223-3p水平，并分析其与神经心理学测试评分的相关性。

结果显示，糖尿病小鼠表现出认知功能下降、海马miR-223-3p表达降低、小胶质细胞活化以及NLRP3和促炎细胞因子水平升高。miR-223-3p敲低可诱导神经炎症，而过表达则减轻神经炎症。荧光素酶报告基因实验证实miR-223-3p直接调控NLRP3。临床研究显示，伴MCI的T2DM患者外泌体miR-223-3p水平显著低于认知正常患者，且与总体认知功能和即刻记忆表现相关。ROC分析表明，以0.7565为阈值时，miR-223-3p诊断MCI的特异度为71.4%，敏感度为68.7%。

由此可见，miR-223-3p通过抑制NLRP3介导的神经炎症发挥神经保护作用。其表达下调参与糖尿病认知损害的发生，循环外泌体miR-223-3p可作为识别T2DM合并MCI的潜在生物标志物。

翁建平教授点评

本次ADA 2026，我们团队报告了7项研究，看似分散于1型糖尿病异质性、2型糖尿病并发症多组学、代谢-炎症交互及数字健康干预等多个切面，实则贯穿着同一条主线：糖尿病正在从一种“单一疾病”的经验化诊疗，加速迈向基于多维数据整合的精准医学新范式。

我尤其关注的是，这些研究共同指向了一个核心命题——异质性。无论是DDRTree揭示的起病年龄内型、MOVE模型解码的DKA起病多组学特征，还是CTI指数对慢病共病的风险分层，都在回答同一个问题：同样的“糖尿病”诊断标签背后，是截然不同的分子机制、疾病轨迹和干预响应。过去我们依赖血糖这一单一指标“一刀切”地管理患者，未来必须建立涵盖基因组、蛋白质组、代谢组、微生物组乃至数字行为表型的多维分层体系。

更值得深思的是数智化技术的融合渗透。隐马尔可夫模型对在线社区支持行为的动态捕捉，不仅是一项数字表型研究，更预示着慢病管理正在突破医院围墙，进入“社区-家庭-数字空间”连续体。当多组学图谱遇见深度学习，当临床队列数据遇见真实世界行为数据，我们实际上在构建一个逼近“虚拟人工胰腺”和“代谢数字孪生”的雏形——这正是我们团队下一步要推动的临床转化方向。

从更宏观的视角看，糖尿病研究正经历三重跃迁：从单病种到泛血管代谢共病网络，从终点治疗到全生命周期风险预警，从西方人群证据到中国人群特异性方案。本次ADA汇报的CTI多国队列验证、肥胖-MASLD遗传重叠分析，以及认知障碍的早期标志物探索，都是在为这些跃迁提供底层证据。

我始终认为，中国糖尿病研究不能只做国际指南的跟随者。当我们的1型糖尿病大模型、人工胰腺算法和多组学预测面板开始输出“中国参数”时，我们实际上在参与定义下一代糖尿病诊疗的全球标准。这7项ADA成果，既是我们团队既往工作的节点性总结，更是迈向“计算精准治疗”时代的铺路石。

团队研究方向与成果

翁建平教授团队长期聚焦糖尿病精准诊疗与临床转化，围绕以下三个维度形成系统性研究体系：

一、以数智化技术工具探索疾病机制。团队建成我国首个1型糖尿病智能化管理与大数据中心，构建全球首个1型糖尿病专病大模型，开发并验证人工胰腺新算法及物理先验个性化线性模型控制系统（已获授权专利ZL202510565116.8等）。融合深度学习、隐马尔可夫模型、多组学变分自编码器（MOVE）等人工智能技术，建立从分子机制解析到临床风险预警的数字化研究框架，推动糖尿病防治向智能化、精准化转型。

二、糖尿病并发症和合并症的科学研究。团队基于大规模前瞻性队列，系统开展2型糖尿病多系统并发症的多组学图谱研究，整合蛋白质组学、代谢组学及脂质组学数据，构建19种相关结局的分子预测面板；通过DDRTree降维分析揭示起病年龄是1型糖尿病异质性的关键表型，验证不同内型在心血管结局风险上的差异；开展C反应蛋白-甘油三酯葡萄糖指数（CTI）与慢性疾病及死亡风险的多国队列研究；探索肥胖与代谢功能障碍相关脂肪性肝病（MASLD）共享的多效性遗传位点及组织特异性调控机制；揭示外泌体miR-223-3p通过NLRP3通路参与糖尿病认知功能障碍的分子机制。

三、服务临床实践。团队研究成果被35项国际指南/共识及国内外权威教科书引用，牵头制定多项临床指南与团体标准。基于"β细胞休整"学说构建胰岛素合理用药新范式，通过24年全国多中心队列研究证明早期胰岛素疗法可降低中风风险31%、心力衰竭住院风险28%。团队创建泛血管疾病管理中心，推动代谢-血管融合管理；构建在线健康社区行为演化模型，为慢病数字健康干预提供循证依据；开发兼具临床可行性的风险预测与精准干预框架，直接服务于高危人群筛查、风险分层和早期干预的临床决策。

责任编辑：贾贾

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。