Page 91 - 南京医科大学自然版

第45卷第11期 姜俞濛，卢国元，李建中. FCN2和MASP1与IgA肾病预后风险分层的相关性［J］.
2025年11月 南京医科大学学报（自然科学版），2025，45（11）：1616-1625 ·1621 ·

**
50 50 50 50
40 40 40 40
（μg/mL） 30 （μg/mL） 30 （μg/mL） 30 （μg/mL） 30

FCN2 20 FCN2 20 FCN2 20 FCN2 20

10 10 10 10

0 0 0 0
M0 M1 E0 E1 S0 S1 T0 T1/T2
（n=27） （n=24） （n=32） （n=19） （n=14） （n=37） （n=42） （n=9）
50 40 40 40

40 30 30 30
（μg/mL） 30 （μg/mL） 20 （μg/mL） 20 （μg/mL） 20

FCN2 20 MASP1 MASP1 MASP1
10 10 10
10

0 0 0 0
C0 C1/C2 M0 M1 E0 E1 S0 S1
（n=29） （n=22） （n=27） （n=24） （n=32） （n=19） （n=14） （n=37）

40 40

（μg/mL） 30 （μg/mL） 30

20
20
MASP1 10 MASP1 10

0 0
T0 T1/T2 C0 C1/C2
（n=42） （n=9） （n=29） （n=22）

Serum FCN2 and MASP1 levels in IgA nephropathy patients are stratified by the Oxford MEST⁃C scores. FCN2 levels are significantly higher in E1
than E0（P < 0.01）but show no significant difference across M，S，T，or C scores. MASP1 levels do not differ significantly across any MEST⁃C scores.
**
P < 0.01.
图3 FCN2和MASP1在不同IgAN牛津MEST⁃C评分组间的比较
Figure 3 Comparison of FCN2 and MASP1 levels in different Oxford MEST⁃C groups

益，本研究将传统临床指标作为基础模型（eGFR+ AUC=0.531（图 4C）。将传统临床指标作为基础模
UPE），后续纳入血清 FCN2 作为扩展模型（eGFR+ 型（eGFR+UPE），后续纳入血清FCN2作为扩展模型
UPE+FCN2）对比这两种模型的ROC曲线及AUC发 （eGFR+UPE+FCN2），对比这两种模型的 ROC 曲线
现，在NJIgAN⁃RSS 框架下，扩展模型的AUC由基础 及AUC 发现，在CLIN⁃PATH⁃Risk5y模型中，扩展模
模型的0.837提升至0.843（图4B）。 型的AUC由基础模型的0.969提升至0.990（图4D）。

2.5 FCN2在CLIN⁃PATH⁃Risk5y模型中的外部验证 为进一步明确FCN2对IgAN预后风险分层的预
采用中国多中心 CLIN⁃PATH⁃Risk5y 风险方程 测作用，本研究将患者的危险分层（低危组和中高

计算每例患者的5年ESRD风险概率，并以风险概率≤ 危组）作为因变量，纳入临床指标（eGFR、TC、ALB、
5%定义为低风险组，>5%定义为中高风险组，以检 Cys⁃C、血清 FCN2 及 MASP1）和病理指标（M、E、S、

验FCN2在不同队列和验证模型中的适用性。ROC C）作为自变量，进行 Logistic 回归分析。分析结果
曲线分析结果发现，FCN2 的 AUC=0.684，MASP1 的 显示，eGFR 和 FCN2 是中高危组的独立预测因素，