多组学数据整合构建儿童性早熟风险预测模型综述

              郑恩静 李红子^通讯作者

延边大学附属医院  吉林 延吉 133000

摘要：中枢性性早熟（CPP）是儿童常见的内分泌疾病，近年来发病率呈上升趋势。目前临床诊断的金标准为促性腺激素释放激素（GnRH）激发试验，但该方法具有侵入性、费用高、操作复杂等局限性。随着高通量测序与多组学技术的发展，为实现CPP的无创早期筛查提供了新路径。本文系统综述了多组学数据在CPP发病机制研究、生物标志物筛选及风险预测模型构建中的应用现状，重点分析了不同组学数据的特点与整合策略，比较了模型性能评估指标与验证方法，并探讨了血液代谢标志物在临床转化中的潜力与挑战。研究表明，多组学整合模型可有效提升CPP的预测准确率。未来需进一步推进数据标准化、多中心验证及便携化检测工具的研发，以促进多组学技术在CPP早期筛查与个体化诊疗中的临床应用。

关键词：中枢性性早熟；多组学；预测模型；肠道菌群

一、 引言

1.1 研究背景与意义

中枢性性早熟（central precocious puberty，CPP）是指由下丘脑提前释放促性腺激素释放激素（GnRH），促使垂体分泌促性腺激素，从而引起性腺发育及第二性征出现的一种内分泌疾病。近年来，全球CPP的发病率逐年升高。我国儿童CPP的发生率在0.43%～4.7%，年均增长率为5%～8%，仅次于肥胖症成为危害儿童健康的第二大疾病。CPP女孩多于男孩，女∶男=4∶1～10∶1，推测可能与女孩对下丘脑-垂体-性腺轴刺激较敏感有关。^[1]

目前临床上对于CPP的确诊是通过激发试验，该试验主要通过注射GnRH后测定LH及FSH的变化情况，从而了解下丘脑-垂体-性腺轴的功能状态。^[2]但GnRH激发试验有创，需反复采血，给患儿带来痛苦和恐惧感，价格昂贵，并由专业的医生进行操作、分析。

近年来，随着高通量测序技术、多组学检测手段等的发展，通过基因组、转录组、代谢组等多组学对 CPP 进行研究，有望实现 CPP 的无创性早筛。

1.2 研究问题与目标

本课题的主要目的就是利用基因组、转录组、代谢组等多组学技术对CPP发病机制进行研究，并建立风险预测模型，实现通过血液代谢物对CPP的早筛。^[3]本文的研究意义如下：（1）总结不同组学数据预测 CPP 的研究进展及未来趋势，比较各组学数据的优势与不足之处；（2）基于多组学数据整合方式（早、中、晚整合）以及不同机器学习算法对CPP进行预测的效果比较；（3）对血液中代谢物进行筛选，获得可应用于临床的CPP早期筛查生物标志物；（4）针对CPP的多组学整合预测模型，为CPP的预防和早期干预提供理论基础和参考，实现儿童内分泌病的全新认识。

二、 CPP的分子机制与多组学理论基础

2.1 CPP的发病机制与分子基础

CPP的发生与下丘脑-垂体-性腺轴有关，而 HPG 轴的启动是受到多种因素的影响的，其中遗传因素是影响其发生的重要因素之一。如 KISS1 基因编码 kisspeptin，KISS1 可作用于 KISS1R 促进 GnRH 分泌，从而促进青春期的启动；MKRN3 是一个抑制子，该基因的功能缺失会导致 HPG 轴抑制信号减少，导致青春期过早启动。^[4]

除遗传因素外，环境因素、营养状态、精神应激等也可通过影响机体的神经内分泌系统导致CPP的发生。^[5]

2.2 多组学技术的理论基础

多组学关联性分析是按照中心法则从基因到转录，再从转录到翻译，最后翻译到蛋白，蛋白到代谢物的顺序，进行关联性分析；这样可以保证因果关系的正确性。^[6]

利用网络进行分析，通过建立基因网络、蛋白互作网络、代谢物网络等对疾病发生时进行筛选，从而寻找与疾病发生有关的重要基因或者蛋白；同时多组学也可从系统层面上进行解释，为后续发展提供帮助。^[7]

2.3 多组学数据的特点与挑战

多组学数据具有多源、异构的特点，数据量庞大、噪声高而样本量有限。不同组学数据在生成机制、量纲、类型及噪声特性上差异显著：基因组数据稳定但数据量大，转录组为瞬时表达且易降解，代谢组与表型最为接近但代谢物种类繁多。^[8]

基于此，多组学分析面临以下挑战：一是数据异质性高；二是数据生成过程易受批次效应等干扰，样本质量控制难度大；三是样本量普遍较小；四是关联结果的生物学意义尚不明确，仅通过数学方式建立的关联未必具有真实的生物学基础。^[9]

三、 多组学数据在CPP预测中的应用现状

3.1转录组与代谢组数据的应用进展

转录组可从基因表达层面揭示CPP发生时下丘脑-垂体-性腺轴相关基因的表达变化；代谢组则从代谢物角度反映性激素合成、分泌及分解等相关通路的异常。

在基于代谢组学的CPP研究中取得以下进展：（1）血清骨钙素：在快速进展型CPP中敏感性较高，可反映骨代谢情况；（2）神经酰胺：CPP组含量与对照组存在差异，参与脂质代谢；（3）胆汁酸谱型：作为胆汁酸在肝-肠轴代谢产物，部分类型与CPP相关。

3.2 多组学整合的前沿研究

多组学的结合可能会提高CPP的预测能力。除了单组学外，多组学可以提高CPP的预测准确率，比如肠道菌群可以通过其代谢产物改变宿主的代谢状态，从而影响HPG轴；^[10]还有研究采用蛋白质组+代谢组对CPP进行分析，得到多个蛋白质和代谢物作为CPP的潜在标志物，并建立预测模型，在验证队列中也具有较好的适用性。

四、 模型性能评估与临床应用前景

4.1 预测模型的性能评估指标

多组学预测模型的性能评价需采用科学合理的方法，避免过拟合。分类模型常用AUC、敏感度、特异度、准确率及F1分数等指标。^[11]

AUC作为ROC曲线下面积，不受阈值影响且能处理类别不平衡问题，是评估模型性能的重要指标。敏感度（召回率）反映检出正样本的能力，特异度体现正确识别负样本的能力；准确率反映整体预测效果，但在类别分布不均衡时易失真；F1分数作为精确率与召回率的调和均值，可有效应对不平衡问题。

4.2 血液代谢标志物的临床应用价值

相较于作为金标准的GnRH刺激试验，血液代谢物检测创伤小、费用低、仅需单次采血，便于大规模筛查，且区分CPP患儿与正常儿童的准确率与金标准相当（AUC达0.85–0.95）。

该技术可用于早期筛查、药物反应性评估以及病情发展与并发症的预测。若进一步发展为微流控芯片或纸片等便携式检测工具，可实现数分钟内的现场快速检测，显著提升筛查效率。

五、 结论与展望

5.1 主要研究发现总结

本研究总结了多组学联合对儿童中枢性性早熟（CPP）发病风险的预测作用，指出多组学数据联合不仅可以建立 CPP 发病风险的预测模型，并可以将 CPP 的发病风险预测转化为检测血液中代谢标志物的预测；多组学数据联合预测 CPP 发病风险有助于证明系统生物学在儿科内分泌疾病中发挥的作用，为 CPP 的早期预防和治疗提供了一定的参考价值。^[12]

5.2 对临床实践与政策制定的启示

对于临床医生和决策者而言，多组学的CPP预测研究能够带来一定的参考价值。加大儿童健康检查投入，增加多组学的检查费用报销比例。制定基于多组学技术进行CPP筛查和诊断的技术指南或规范伦理与数据安全。健康中国的希望：未来在国家大力提倡“健康中国”战略下，相信多组学的应用会更加广泛，为我国儿童健康做出更大的贡献。

参考文献

• 贺莉,杜春华,周学红,等. 血清FGF-21、SFRP5水平对女童中枢性性早熟的诊断价值[J].中国优生与遗传杂志,2025,33(12):2579-2583.
• 孟湘禄,田雪,袁玉. 中枢性性早熟女童血清miR-137和miR-664-2表达水平及其对GnRHa疗效的交互影响分析[J].陕西医学杂志,2025,54(12):1678-1682+1696.
• 牧丰苗,孟婕,张瑞欣,等. 儿童中枢性性早熟的临床特点及其发病相关因素分析[J].新乡医学院学报,2025,42(12):1004-1007.
• 宋富洋,孙瑞,彭云超,等. 快速进展型中枢性性早熟女童血清基础黄体生成素、成纤维细胞生长因子23、Klotho蛋白水平及其临床意义[J].海南医学,2025,36(22):3271-3275.
• 阮帅,江懿佳,邵金洁. 联合检测LH基础值、AMH、E2、FSH基础值对女童中枢性性早熟的诊断价值[J].实验与检验医学,2025,43(05):388-390+399.
• 罗昊燃.基于多组学可信整合方法的复杂疾病预测研究[D].哈尔滨工程大学,2025.
• 张欣然,王一丹,杨怡楠,等. 儿童中枢性性早熟危险因素分析及风险预测模型构建[J].广东医学,2025,46(07):1011-1016.
• 杨思佳.基于小样本医学数据的疾病预测模型及隐私保护技术研究[D].北京邮电大学,2023.
• 高仕威.基于机器学习的医疗数据特征降维及效用分析[D].四川师范大学,2024.
• 李敏,张玉想,张晓萌,等.肠道微生物参与免疫调节相关机制的研究[J].标记免疫分析与临床,2025,32(01):180-188.
• 孙睿.多组学数据整合分析与细胞分化机制研究[D].武汉纺织大学,2025.

...