近日，昆士兰科技大学（QUT）和昆士兰大学（UQ）联合开展的一项最新遗传研究，利用超过300,000名英国生物样本库（UK Biobank）参与者的数据，结合多种肾功能相关健康指标，提出一种全新的慢性肾病（CKD）分类方法，不仅更全面地描绘了肾功能状态，还揭示了潜在的药物靶点，有望推动个性化治疗的发展。
QUT生物医学科学院及基因组与个性化健康中心的Tran Kim Ngan博士表示，慢性肾病是一个涵盖多种病因的“统称”，其成因复杂，包括糖尿病、高血压、感染及生活方式等多种因素，最终导致肾功能逐渐衰退。
Tran博士指出，目前临床上常用的肾小球滤过率（eGFR）作为评估肾功能的单一指标，无法全面反映病情，容易忽略某些关键信息。“这种对CKD遗传机制的片面理解，阻碍了不同亚型治疗靶点的发现。”
在本项研究中，研究团队设计了一种创新算法，从21项与肾功能相关的健康指标中，系统性地组合出约200万个复合特征（composite traits），其中约5万个复合特征在识别CKD患者方面的表现优于传统eGFR指标。
其中一项由**白蛋白、胱抑素C（cystatin C）、eGFR、γ-谷氨酰转移酶（GGT）、糖化血红蛋白（HbA1c）、低密度脂蛋白（LDL）和微量白蛋白尿（microalbuminuria）**等7项指标组合而成的复合特征，在识别CKD方面表现最为优异。
这一方法不仅提高了疾病分类的准确度，还成功识别出以往未能通过单指标检测到的遗传变异。例如，该研究发现了SH2B3基因位点与肾功能显著相关，而此前该基因仅在百万级样本规模的大型研究中被发现。
“而我们的算法，在相对中等规模的队列中就成功检测到了这一信号，显示了多指标方法的巨大潜力。”Tran博士表示。
更重要的是，该研究成果在独立的爱尔兰人群中得到了验证，进一步增强了其科学可靠性。
研究团队成员还包括QUT基因组与个性化健康中心的Sutherland博士、Griffiths荣誉教授、Lea副教授，以及昆士兰大学的Andrew Mallet教授。相关论文已发表在权威期刊《PLOS Genetics》上，题为“New composite phenotypes enhance chronic kidney disease classification and genetic associations”。
Tran博士总结称：“这种可解释性强的多表型方法，不仅适用于大规模生物样本库，也能推广至小样本、深度表型分析的队列，并有望应用于其他复杂疾病的遗传研究中。”
参考文献：Kim Ngan Tran et al, New composite phenotypes enhance chronic kidney disease classification and genetic associations, PLOS Genetics (2025). DOI: 10.1371/journal.pgen.1011718
