糖尿病视网膜病变分期分子图谱出炉，早期干预新靶点浮现
摘要
这项研究整合了人和小鼠视网膜的批量及单细胞转录组数据，揭示了糖尿病视网膜病变不同阶段的细胞分子特征。无临床病变期光感受器核糖体通路变化显著，非增殖期内皮细胞和周细胞转录改变伴层粘连蛋白信号增强，增殖期神经胶质细胞广泛参与且血管生成素样信号变化明显。研究还发现了特定的内皮细胞亚型及与大胶质细胞疾病持续时间相关的基因特征，并通过 qPCR 确认了早期关键基因表达改变，为潜在治疗靶点提供依据。
信息来源： PubMed Ophthalmology 发布于 2026年3月19日
要点速览
- 研究整合人鼠视网膜转录组数据，揭示糖尿病视网膜病变各分期细胞分子特征。
- 发现无临床病变期光感受器变化，非增殖期血管细胞改变，增殖期神经胶质参与。
- 确认早期关键基因表达改变，提出潜在治疗靶点及内皮细胞特定亚型。
本站解读
过去糖尿病视网膜病变的治疗往往等到血管出了问题才介入，这项研究把目光提前到了无临床病变期。研究者通过单细胞测序发现，早在血管病变可见之前，光感受器的核糖体通路就已经乱了套。这意味着临床筛查窗口期可能要比我们想象中更早，单纯盯着血管看可能会漏掉神经退行性的早期信号。国内眼底病医生在读片时，未来或许不能只关注微动脉瘤，还得警惕神经层的分子异动。
不过得冷静看待样本来源，虽然整合了人和小鼠数据，但人体视网膜样本获取难度极大，实际纳入的供体数量往往有限，这会让统计效力打折扣。小鼠模型毕竟不是人，炎症反应和代谢路径存在物种差异，直接转化到临床用药还有距离。国内药企若想跟进靶点开发，得先解决人源组织验证的难题，否则容易在二期临床栽跟头。特别是文中提到的层粘连蛋白信号和血管生成素样信号，作为靶点开发的确定性有待更多队列验证。
对国内患者而言，短期看诊疗方案不会大变，抗 VEGF 药物仍是主流。但长期看，这种分期分子图谱能推动筛查策略前移，未来眼底检查可能不仅看血管渗漏，还要结合分子标志物评估神经损伤风险。对于病程长的糖友，这提示即便视力尚好，视网膜内部的分子风暴可能已在酝酿，定期随访不能松懈。行业层面，这将倒逼国产眼科药从仿制转向源头创新，盯着这些新通路的企业或许能抢到下一轮红利，但前提是得熬过漫长的转化周期。
常见问题
这研究说早期就有变化，那我血糖控制好是不是就不用查眼底了？
控制血糖是基础，但不能替代眼底检查。研究发现即使没有明显病变，视网膜细胞内部可能已有分子层面的异常。这些变化肉眼和普通检查很难发现，所以即便视力正常，糖尿病患者仍需按医生要求定期散瞳查眼底，以便尽早发现隐患。
文中提到的新靶点什么时候能变成药给我们用？
从发现靶点到新药上市通常需要十年以上。目前这些信号通路还处于实验室研究阶段，距离变成临床可用的药物还有很长的路要走。现阶段患者仍需遵循现有诊疗指南，如有疑虑可咨询眼科医生，不要盲目等待新药而延误规范治疗。
延伸阅读
糖尿病视网膜病变分期图谱出炉，早期光感受器变化成干预新焦点
这项研究整合了人与小鼠视网膜的批量及单细胞转录组数据，试图厘清糖尿病视网膜病变不同阶段的细胞分子特征。研究发现，无临床明显病变期光感受器核糖体通路已发生改变，非增殖期血管细胞伴随层粘连蛋白信号增强，增殖期则涉及神经胶质细胞及血管生成素样蛋白信号。研究还发现了特定的血管细胞亚型及与病程相关的胶质细胞基因特征，并通过 qPCR 验证了早期关键基因表达变化，为理解病变机制及寻找靶点提供了全景视图。
糖尿病视网膜病变早期诊断的自动化系统
该研究旨在开发一种基于眼底图像的自动化诊断系统，用于早期检测糖尿病视网膜病变（DR）。通过识别渗出物、出血和微动脉瘤等特征，结合小波变换边缘增强、高斯混合模型聚类以及机器学习算法（如随机森林分类器和多层感知机神经网络）进行特征提取和分类。研究使用了IDRiD数据集和Kaggle数据集中的眼底图像，结果显示，基于随机森林的分类系统在检测DR病灶方面达到了95.08%的敏感性、86.67%的特异性和95.20%的整体准确性。这一方法为大规模筛查提供了高精度、自动化且可扩展的解决方案，尤其适用于眼科专业资源有限的地区。
瞳孔扩张对糖尿病视网膜病变筛查的影响
该研究探讨了在资源有限的环境中，瞳孔扩张对便携式眼底相机图像可分级性和基于人工智能的糖尿病视网膜病变检测性能的影响。研究发现，使用瞳孔扩张剂后，图像的可分级性显著提高（82.1% vs. 55.6%），且AI模型在扩张后的图像上表现更佳（准确率85.15%，AUC 0.94）。然而，在低收入和中等收入国家，药物扩张可能不切实际，因此优化非扩张图像的模型校准和阈值设定至关重要。