摘要
目的：探讨氧化应激-脂质代谢复合标志物血色素结合蛋白（hemopexin，Hpx）与载脂蛋白B（apolipoprotein B，apoB） 的乘积（Hpx·apoB）与冠心病的关系，评估其在临床风险分层中的价值。方法：采用液相色谱-串联质谱法检测107例冠心病患者和33例非冠心病对照者血浆Hpx，收集临床资料后构建多因素Logistic回归模型，分析Hpx·apoB与冠心病的关联强度。通过受试者工作特征（receiver operating characteristic，ROC）曲线的曲线下面积（area under the curve，AUC）和净重分类指数（net reclassification index，NRI）评估模型预测效能。结果：冠心病组Hpx·apoB值显著高于对照组（P< 0.01）。Hpx·apoB值在急性心肌梗死、急性冠脉综合征和多支冠状动脉病变组中均显著升高（P均 < 0.01）。多因素Logistic回归分析显示，Hpx·apoB是冠心病的独立危险因素（OR=2.554，95%CI：1.336~4.881，P< 0.01）。ROC曲线显示其单独预测冠心病的AUC为0.667，与C反应蛋白（C-reactive protein，CRP）+低密度脂蛋白胆固醇（low-density lipoprotein cholesterol，LDL-C）联合后预测效能显著提升： ΔAUC=0.106（P< 0.05），NRI=15.6%（P< 0.05）。与临床风险模型整合后展现出更高的预测价值，整合 Framingham 评分： ΔAUC=0.076（P=0.139），NRI=27.0%（P< 0.01）；整合 SCORE 评分：ΔAUC=0.142（P=0.093），NRI=37.55%（P< 0.001）。亚组分析显示，Hpx·apoB在男性、吸烟者和肾功能受损患者中对冠心病的预测能力更强（P< 0.05）。结论：Hpx·apoB作为氧化应激- 脂质代谢的复合指标，可独立预测冠心病风险，与临床风险评分联合时显著改善风险预测效能。
Abstract
Objective：This study aims to explore the relationship between the oxidative stress-lipid metabolism composite biomarker Hpx·apoB［the product of hemopexin（Hpx）and apolipoprotein B（apoB）］and coronary artery disease（CAD），and evaluate its value in clinical risk stratification. Methods：The study utilized liquid chromatography-tandem mass spectrometry to quantify plasma Hpx levels in 107 CAD patients and 33 controls without CAD，collected the clinical data，and constructed a multivariate logistic regression model to analyze the association strength between Hpx ·apoB and CAD. The predictive efficacy of the model was evaluated by area under the receiver operating characteristic（ROC）curve（AUC）and net reclassification index（NRI）. Results：The Hpx·apoB value in the CAD group was significantly higher than that in the control group（P< 0.01）. The Hpx·apoB value was significantly increased in patients with acute myocardial infarction，acute coronary syndrome，and multi-vessel coronary artery disease（all P< 0.01）. Multivariate logistic regression analysis showed that Hpx·apoB was an independent risk factor for CAD（OR=2.554，95%CI：1.336-4.881，P< 0.01）. The ROC curve showed that its AUC for predicting CAD was 0.667，and the predictive efficacy was significantly improved when combined with C-reactive protein（CRP）+low-density lipoprotein cholesterol（LDL-C）：ΔAUC=0.106（P< 0.05），NRI=15.6%（P< 0.05）. After integration with the clinical risk model，it showed a higher predictive value，when integrated with Framingham score：ΔAUC=0.076（P= 0.139），NRI=27.0%（P< 0.01）；when integrated with SCORE model：ΔAUC=0.142（P=0.093），NRI=37.55%（P< 0.001）. Further subgroup analysis revealed that Hpx·apoB has a stronger predictive ability for CAD in men, smokers，and patients with impaired renal function（P< 0.05）. Conclusion：Hpx · apoB，as a composite indicator of oxidative stress and lipid metabolism，can independently predict the risk of CAD. When combined with the clinical risk score，it significantly improves the risk prediction efficacy.
Keywords
冠心病（coronary artery disease，CAD）是一种常见的心血管疾病，其高发病率和致死率对人类健康构成严重威胁。在一级预防中，许多高风险患者在首次临床事件前未被识别，亟需更精准的评估方法预测动脉粥样硬化性心血管疾病风险。近年来，蛋白质组学的研究验证了多种靶向蛋白组学特征与疾病表型（如急性冠状动脉综合征、卒中和外周动脉疾病） 之间的关联，对提高现有动脉粥样硬化性心血管疾病风险预测算法的准确性具有较大价值[1-2]。
血色素结合蛋白（hemopexin，Hpx）主要由肝脏和动脉粥样硬化斑块中活化的巨噬细胞分泌，它能够与游离血红素结合，减少由血红素引起的氧化应激和炎症，在急性心肌梗死时显著升高[3-5]。载脂蛋白（apolipoprotein，apo）B 广泛存在于低密度脂蛋白 （low⁃density lipoprotein，LDL）、中间密度脂蛋白、极低密度脂蛋白和脂蛋白（a）中，与CAD密切相关[6]。 Hpx及其与apoB的乘积（Hpx·apoB）对CAD的诊断价值尚不清楚。本研究旨在探索Hpx·apoB与CAD 之间的关系，以期为CAD临床诊断和治疗策略的优化提供新的科学依据，从而提高CAD的早期识别率和综合防治效果。
1 对象和方法
1.1 对象
选择2023年1月—2024年6月在上海市第六人民医院福建医院心内科因胸闷、胸痛疑诊 CAD，住院经冠状动脉造影、肌钙蛋白 T（troponin，TnT）检测、心电图检查诊断为CAD（包括急性心肌梗死、不稳定型心绞痛、稳定性 CAD）的患者作为 CAD 组，住院期间按照中华医学会心血管病分会制定的专科疾病诊治指南接受适宜、规范化诊治。选择同期在上海市第六人民医院福建医院心内科住院并排除CAD者作为对照组。
排除标准：年龄<18 岁；纽约心脏学会（New York Heart Association，NYHA）心功能分级Ⅳ级；严重的肝肾功能不全；存在感染因素；甲亢、肥胖（体重指数>28 kg/m2）或风湿免疫性疾病；患有其他严重的疾病致预期寿命不超过1年。本临床研究获得上海市第六人民医院福建医院伦理审查同意（批号：jjsyyyxll⁃2022030），患者知情同意。
1.2 方法
1.2.1 资料收集
临床资料收集：通过医院电子病历系统收集研究对象的临床信息和检验检查数据，包括年龄、性别、病史、实验室检查[如血红蛋白、C反应蛋白（C⁃reactive protein，CRP）、TnT、B型利钠肽前体（pro⁃B⁃type natri⁃ uretic peptide，proBNP）等）]结果以及冠脉造影结果。
Hpx浓度测定：研究对象抽静脉血，血浆深低温冰箱保存，统一检测，对样品中的蛋白进行酶切实验得到多肽，使用液相色谱⁃串联质谱技术对酶解后的多肽进行 VWVYPPEK 多肽检测，采用 SKYLINE 软件进行峰提取，得出标准品峰面积，根据浓度绘制标准曲线，计算样本Hpx含量。
1.2.2 指标及疾病定义和诊断标准
吸烟指在其一生中（连续或间断地）每天至少抽1支烟，持续时间超过6个月，并且在调查前30 d 内仍在吸烟[7]。高血压、糖尿病和高脂血症的诊断均参照《基层心血管病综合管理实践指南2020》[8]。本研究采用两种临床上广泛应用的CAD 风险评估模型作为基准工具：Framingham 风险评分[9]和 SCORE[10-11] 评分。Framingham 评分综合了年龄、性别、吸烟状况、收缩压、总胆固醇和高密度脂蛋白等传统危险因素。SCORE 评分同样整合了年龄、性别、吸烟状况、收缩压、总胆固醇和高密度脂蛋白等变量。后续分析将评估新型标志物 Hpx·apoB 整合至上述模型时的增量预测价值。
1.3 统计学方法
采用SPSS 22.0和R 4.4.2进行统计学分析。经 Shapiro⁃Wilk检验验证，本研究所有连续变量均拒绝正态性原假设（P<0.05），以中位数（四分位数）[M （P25，P75）]表示；两组间比较采用Mann⁃Whitney U检验，多组间比较采用Kruskal⁃Wallis检验，用Dunn检验进行组间两两比较。计数资料以频数（百分比） [n（%）]表示，并使用卡方检验进行组间比较。采用二元Logistic回归分析建立临床预测模型，通过方差膨胀因子（variance inflation factor，VIF）对多因素回归模型中的变量进行多重共线性诊断，变量VIF值均<10，提示共线性可忽略。通过受试者工作特征 （receiver operating characteristic，ROC）曲线和曲线下面积（area under the curve，AUC）来量化模型的预测能力。不同模型间 AUC 差异通过 Delong 检验验证。使用净重新分类指数（net reclassification index， NRI）和综合判别改善指数（integrated discrimination improvement，IDI）量化预测效能的提升，其中NRI评估风险分类准确性改善，IDI 反映预测概率分布的整体优化。NRI/IDI的显著性通过1 000次Bootstrap 重抽样计算P值。采用Spearman秩相关分析评估指标间的关联性。P<0.05（双侧）为差异有统计学意义。
2 结果
2.1 研究对象基线特征
本研究共107例患者被纳入CAD组，其中确诊为急性心肌梗死55例，不稳定型心绞痛23例，稳定性CAD 29例；33例非CAD患者作为对照组。研究结果显示，CAD 组 Hpx 水平虽然高于对照组，但差异并未达到统计学意义（P >0.05）；但CAD组中Hpx 位于上四分位数水平（>P75）的患者占比显著高于对照组（P<0.05）。CAD组中Hpx·apoB显著高于对照组（P<0.01）。此外，CAD 组在男性比例、吸烟率、高脂血症患病率、白细胞计数、血红蛋白、CRP、 proBNP、TnT、apoB、肌酐（creatinine，Cr）等多项指标上显著高于对照组，左室射血分数低于对照组（P<0.05）。 CAD 组患者的抗血小板药物使用率也显著高于对照组（P<0.001，表1）。
表1研究对象基线特征
Table1Baseline characteristics of the research subjects
（续表1）
Drug utilization data were collected from medication records documented at the time of hospital admission. SBP：systolic blood pressure；DBP： diastolic blood pressure；WBC：white blood cell count；Hb：hemoglobin；TG：triglycerides；TC：total cholesterol；HDL⁃C：high⁃density lipoprotein cholesterol；N⁃HDL⁃C：non⁃high⁃density lipoprotein cholesterol；FBG：fasting blood glucose；BUN：blood urea nitrogen；eGFR：estimated glomerular filtration rate；lg（Hpx）：the common logarithm of hemopexin value；Hpx>P75：hemopexin protein concentration in the upper quartile；ACEI/ARB： angiotensin⁃converting enzyme inhibitors/angiotensin receptor blockers；LVEF：left ventricular ejection fraction.
2.2 Hpx·apoB及其他相关指标在CAD不同临床亚型中的比较
进一步对不同分组间Hpx·apoB水平进行比较，发现急性冠脉综合征组Hpx·apoB水平显著高于慢性稳定性CAD组和对照组（P<0.001，表2）；急性心梗组显著高于稳定性 CAD 组（P=0.003）；急性心梗组、不稳定型心绞痛组显著高于对照组（P<0.001，表3）；冠状动脉多支病变组和单支病变组显著高于对照组（P=0.002，表4）。此外，CRP、proBNP、 TnT、Cr 在急性冠脉综合征组（表2）、急性心肌梗死组（表3）及冠脉多支病变组（表4）中均显著升高（P 均 <0.05），低密度脂蛋白胆固醇（low⁃density lipoprotein cholesterol，LDL⁃C）在冠脉多支病变组与单支病变组间差异无统计学意义（P >0.05）。
表2Hpx·apoB及其他相关指标在急性冠脉综合征、慢性稳定性冠心病与对照组间的比较
Table2Comparison of Hpx·apoB and other indicators among acute coronary syndrome，chronic coronary syndrome and control groups
表3Hpx·apoB及其他相关指标在急性心肌梗死、不稳定型心绞痛、慢性稳定性冠心病与对照组间的比较
Table3Comparison of Hpx·apoB and other indicators among acute myocardial infarction，unstable angina，chronic coronary syndrome and control groups
表4Hpx·apoB及其他相关指标在冠脉多支病变、单支病变与对照组间的比较
Table4Comparison of Hpx·apoB and other indicators among multi⁃vessel coronary artery disease，single⁃vessel coronary artery disease and control groups
Multivessel coronary artery disease is defined by angiography as stenosis affecting two or more major epicardial vessels among the left anterior descending artery，left circumflex artery，and right coronary artery. Left main coronary artery involvement is considered equivalent to multivessel disease.
2.3 CAD风险的单因素和多因素Logistic回归分析
组间比较显示多个变量指标在 CAD 组与对照组间存在显著差异。对它们进一步行单因素Logistic 回归分析发现，Hpx 水平位于上四分位数（>P75）是 CAD 的危险因素，Hpx·apoB 升高是 CAD 的危险因素。此外，男性、吸烟史、高脂血症和血红蛋白、 CRP、proBNP、Cr 水平升高也与 CAD 的发生显著正相关（图1）。
将Hpx·apoB与单因素回归中表现显著的变量纳入多因素回归分析，在控制其他因素的影响后， Hpx·apoB仍然是CAD的独立危险因素（OR=2.554， 95%CI：1.336~4.881，P<0.01，表5）。
2.4 Hpx·apoB联合模型预测效能评估
以CAD作为检验变量，根据模型绘制ROC曲线 （图2、3），Hpx·apoB 单变量预测 CAD 的 AUC 值为 0.667，灵敏度为0.766，特异度为0.548，Hpx·apoB截断值为 1.693 mg2 /L2。基于多因素回归分析筛选构建的联合预测模型，Hpx·apoB 联合 Cr 预测 CAD 的 AUC值为0.713，灵敏度为0.617，特异度为0.742。当 Hpx · apoB 值取 1.693 mg2 /L2 时，Cr 的截断值为 95.750 μmol/L。
Hpx·apoB联合不同传统生物标志物组合时呈现差异化预测效能（表6）。在 CRP+LDL⁃C+proB⁃ NP+TnT联合模型中，ΔAUC=0.014（P=0.719），NRI= 14.60%（95%CI：-3.40%~28.10%，P=0.060）；在proB⁃ NP+TnT 联合模型中，ΔAUC=-0.180（P=0.646）， NRI=4.67%（95%CI：-7.03%~23.12%，P=0.360）；与 CRP+LDL ⁃C 联合时：ΔAUC=0.10（P=0.015），NRI= 15.63%（95%CI：1.90%~31.70%，P=0.030）。Hpx·apoB 联合Cr并与临床风险评分进行整合（表7），发现整合Framingham评分时，ΔAUC=0.076（P=0.139），NRI= 27.04%（95% CI：7.56%~36.14%，P=0.002）；整合 SCORE 评分时，ΔAUC=0.142（P=0.093），NRI= 37.55%（14.70%~55.05%，P<0.001）。
图1CAD风险的单因素Logistic回归分析
Figure1Univariate logistic regression analysis for CAD risk
表5Hpx·apoB等指标与CAD风险的多因素Logistic回归分析
Table5Multivariate logistic regression analysis of Hpx·apoB and other indicators for risk of CAD
图2Hpx·apoB 联合传统生物标志物预测冠心病的 ROC 曲线
Figure2ROC curves of Hpx·apoB combined with tradi⁃ tional biomarkers
图3Hpx·apoB+Cr联合风险预测模型预测冠心病的ROC 曲线
Figure3ROC curves of Hpx·apoB+Cr integrated risk assessment model
表6Hpx·apoB联合模型与传统心血管标志物模型的NRI分析
Table6NRI analysis of Hpx·apoB combined models vs. conventional cardiovascular biomarker models
2.5 Hpx·apoB与CAD风险的亚组异质性分析
亚组分析结果显示，在年龄≥65岁、男性、吸烟状态和肾功能受损的亚组中，Hpx·apoB 及其与 Cr 的联合指标均保持对 CAD 的独立预测能力（P 趋势<0.05，表8）。交互作用分析显示，性别、吸烟、肾小球滤过率与Hpx·apoB间存在显著交互作用（P 交互<0.05），性别、吸烟与Hpx·apoB联合Cr间存在显著交互作用（P 交互<0.05，表8）。即 Hpx·apoB 对 CAD 的风险受到性别、吸烟状态和肾小球滤过率的影响， Hpx·apoB 联合 Cr 对 CAD 的风险受到性别、吸烟状态的影响。
2.6 Hpx·apoB与临床指标的相关性分析
相关性分析发现，Hpx·apoB与白细胞、血红蛋白、甘油三酯、总胆固醇、LDL⁃C、非高密度脂蛋白胆固醇水平呈正相关，而与 apoA/apoB 比值呈负相关 （P<0.05，图4）。
表7Hpx·apoB+Cr联合模型与传统心血管风险评分的NRI分析
Table7NRI analysis of Hpx·apoB+Cr combined models vs. conventional cardiovascular risk scores
表8Hpx·apoB与CAD风险的亚组异质性分析
Table8Subgroup analysis in Hpx·apoB and risk of CAD
图4Hpx·apoB与临床指标的相关性分析
Figure4Heatmap analysis of Hpx·apoB correlations with clinical biomarkers
3 讨论
Hpx在急性心肌梗死后显著增加，防止游离血红素引起的氧化应激对组织造成的破坏[5]。心衰时，Hpx 通过清除游离血红素，维持心脏钙离子稳态，缓解兰尼碱受体 2 型（ryanodine receptor 2， RyR2）氧化和钙/钙调素依赖性蛋白激酶Ⅱ（Ca2+ / calmodulin⁃dependent protein kinaseⅡ，CaMKⅡ）依赖性磷酸化，从而预防收缩功能障碍[12-13]。这些研究发现，Hpx水平升高标志机体对抗氧化应激的代偿应答。本研究发现，尽管CAD组的Hpx整体水平未显著高于非 CAD 组，但 Hpx>P75 的比例在 CAD 患者中显著升高，且单因素 Logistic 回归分析显示 Hpx>P75与 CAD 风险呈正相关。推测相关机制如下：在慢性CAD中，氧化应激强度通常低于急性心血管事件，因此机体无需大幅上调Hpx水平即可维持代偿平衡（整体Hpx无差异）；高水平Hpx（>P75）提示慢性氧化应激负荷已超过代偿能力，氧化损伤累积驱动CAD的发生与发展。综上，Hpx可作为反映氧化应激水平的生物标志物。
研究发现，氧化应激与脂质代谢紊乱具有协同作用，氧化应激能够通过促进 apoB 修饰和 LDL 氧化，推动泡沫细胞和斑块的形成和进展，增强其致动脉粥样硬化作用[14]。脂质代谢紊乱也能够促进氧化应激，apoB 介导 LDL 等颗粒在血管壁沉积，形成的泡沫细胞被激活后，通过激活炎症信号通路、释放炎症因子、促进斑块破裂、引发血栓形成和急性缺氧事件等途径，加剧氧化应激[15]。这种协同作用在动脉粥样硬化的形成和斑块破裂导致的急性心血管事件中起关键作用。研究还发现，Hpx通过清除从高铁血红蛋白等蛋白中释放的游离血红素，防止其与apoB高亲和力结合，从而抑制血红素催化 apoB 氧化，避免 apoB 形成共价交联物，进而减缓 LDL的致动脉粥样硬化作用[16-17]。基于上述机制， Hpx作为反映氧化应激水平的生物标志物，apoB代表脂质异常情况，本研究将Hpx与apoB相乘构建了复合指标 Hpx·apoB，分析了该指标在 CAD 早期筛查和临床危险分层中的应用价值。
组间差异比较发现，Hpx·apoB 在 CAD 组显著高于对照组。此外，在CAD的不同临床亚型中，急性冠脉综合征（包括急性心肌梗死和不稳定型心绞痛）组的 Hpx·apoB 水平明显高于慢性稳定性 CAD 患者及对照组。对Hpx·apoB水平的动态监测可能有助于识别CAD患者中的高危个体，优化CAD患者的风险分层和决策。
多因素回归分析证实，Hpx·apoB 是 CAD 的独立预测因子（OR=2.554，P=0.005）。将Hpx·apoB 与传统标志物联合时，呈现出差异化预测效能。联合 proBNP+TnT时，ΔAUC=-0.180，NRI=4.67%（P=0.36）， Hpx·apoB 未提升预测效能，提示其在心肌损伤后阶段不增加预测价值。而与 CRP+LDL⁃C 联合时， ΔAUC=0.106，NRI=15.63%（P=0.03），这种差异可能反映Hpx·apoB的预测价值更集中于动脉粥样硬化进展阶段。多因素回归分析还发现Cr水平与CAD 风险存在临界显著性相关（P=0.05），其机制可能与肾功能受损相关容量负荷加重、交感神经系统及肾素⁃血管紧张素⁃醛固酮系统激活、炎症反应和氧化应激等有关[18]。将多因素回归模型与临床风险评分模型结合，联合 Framingham 评分后，ΔAUC= 0.076，NRI=27.04%（P=0.002）；联合SCORE评分后， ΔAUC=0.142，NRI=37.55%（P<0.001）。这些发现共同支持Hpx·apoB作为动脉粥样硬化活动期的早期预警标志物，尤其在传统风险评分基础上具有额外价值。
本研究中，亚组分析提示，在年龄≥65岁、男性、吸烟和eGFR<90 mL/（min·1.73 m2）的亚组中Hpx·apoB 水平升高均与CAD 风险增加显著相关。吸烟会导致体内红细胞和血红素水平升高[19]，进而促进Hpx 的合成与释放。吸烟与特定基因变异（如 PPARα⁃ L162V等）交互作用，可升高血浆apoB水平，加速动脉粥样硬化进程[20]。Hpx在肾脏积累后，与游离血红素结合形成复合物并沉积于近端肾小管，分解后释放游离铁诱导氧化应激，加重急性肾损伤[21]。目前，尚无研究明确Hpx在慢性肾脏病中的作用。推测肾功能下降可能导致Hpx和apoB的清除减少，使其在血液中积累，从而增加心血管疾病的风险。 Hpx·apoB在男性、吸烟、eGFR<90 mL/（min·1.73 m2） 患者中对CAD的预测能力更强，提示其在高危人群筛查中的应用价值更大。相关性分析结果表明， Hpx·apoB与血红蛋白水平、白细胞计数及血脂指标呈正相关，这一发现与其可能通过调节氧化应激、炎症反应和脂质代谢途径影响 CAD 的发生发展相符。
综上所述，本研究观察到 Hpx·apoB 具有预测 CAD风险的临床应用价值，可与传统临床风险评分联合提高预测效能。本研究存在以下局限：①横断面设计难以确定因果关系；②样本量较小、男性比例较高，可能限制研究结论推广性；③部分代谢指标（白蛋白、尿酸）数据缺失。后续有必要开展多中心大样本前瞻性研究并结合影像学技术等方法来进一步验证Hpx·apoB对CAD的预测价值。
利益冲突声明：
所有作者声明无利益冲突。
Conflict of interests：
The authors declare no competing interests.
作者贡献声明：
李国花负责论文撰写、指标实验室检测；蔡文玉、张登庆、陈子敏、杨洁负责研究对象入选和数据收集；曾建兴负责指标实验室检测；张一帆负责统计分析；金诗佳负责研究设计、论文撰写、统计分析、论文修改；陈忠负责研究设计、论文修改。
Author’s Contributions：
LI Guohua was responsible for manuscript writing and labo⁃ ratory measurements；CAI Wenyu，ZHANG Dengqing，CHEN Zimin，and YANG Jie were responsible for subject recruitment and data collection；ZENG Jianxing was responsible for laboratory measurements；ZHANG Yifan was responsible for statistical analysis；JIN Shijia was responsible for study design，manu⁃ script writing，statistical analysis，manuscript revision；CHEN Zhong was responsible for study design，manuscript revision.
