近日，一项基于痕量泪液分析实现糖尿病性白内障精准鉴别诊断的研究取得突破。相关成果在线发表于国际学术期刊《自然通讯》(Nature Communications)。该研究开发了一种快速、高灵敏度的检测策略，为眼部疾病的无创诊断与机制探索提供了新方法。
糖尿病性白内障是糖尿病患者常见的并发症，其术前精准鉴别对于手术规划及预后具有重要意义。泪液作为一种易于获取且完全无创的眼表体液，蕴含丰富的疾病分子信息，是潜在的非侵入性诊断标志物来源。然而，传统检测技术因所需样本量大、流程复杂，难以满足临床对微量泪液进行高通量分析的需求。
为解决这一难题，上海交通大学医学院附属第九人民医院与华东师范大学的联合研究团队，构建了一种基于纳米颗粒增强激光解吸电离质谱（NELDI-MS）的新平台。该技术利用特制纳米颗粒作为基质，显著提升了代谢物检测的灵敏度与速度。据研究介绍，该方法仅需10纳升（nL）泪液，单个样本检测可在30秒内完成，实现了对痕量样本的高通量分析。
研究团队应用该技术对168名白内障患者(包括86名糖尿病性白内障患者和82名单纯年龄相关性白内障患者)的泪液进行了分析。通过机器学习算法对泪液代谢指纹进行筛选，研究人员构建了一个包含三个关键代谢特征的诊断模型。验证数据显示，该模型用于鉴别两种白内障的曲线下面积(AUC)达到0.923，显示出较高的鉴别能力。
为深入探索疾病机制，研究团队进一步整合液相色谱-质谱技术，对泪液及匹配的房水样本中的代谢物进行鉴定。他们在泪液中识别出甘油-3-磷酸等多个与能量代谢和炎症应激相关的诊断标志物。更为重要的是，在眼内房水中发现1,5-脱水葡萄糖醇的水平变化与糖尿病性白内障显著相关。随后的细胞与离体实验表明，1,5-脱水葡萄糖醇能够减轻高糖环境诱导的晶状体氧化应激与混浊，提示其可能具有保护作用。这揭示了糖尿病性白内障发生发展中眼表与眼内存在密切关联的代谢重编程现象。
该研究首次将高性能NELDI-MS技术与机器学习相结合，实现了基于微量泪液的糖尿病性白内障无创鉴别诊断。研究人员指出，该方法具有无创、快速、样本需求量极低的特点，未来有望开发为一种便捷的眼科门诊筛查工具，为糖尿病性白内障的早期预警和个体化管理提供支持。同时，该技术策略也有潜力应用于其他基于痕量体液疾病的诊断研究。
素材来源：Nature Communications