本节摘要:本章把前几章的酶与通路拿来"破案":糖尿病与胰岛素/糖代谢失衡挂钩,高血脂与脂蛋白清除挂钩,遗传病往往是一处酶的隐性丧失,癌症则是多条信号与细胞周期通路的合谋。本节给出血糖、HOMA、尿酸、酶活性堆积倍数等几个可算的判据,教你如何用"通路在哪断"来理解化验单。
阅读完本节,你应当能够:
2 型糖尿病本质是胰岛素信号转导(第 7 章 RTK/下游)失效,外周组织对胰岛素不灵敏,肝又没收到"别放糖"的信息,于是血糖居高不下。HOMA-IR 是临床估胰岛素抵抗的常用指标:空腹胰岛素×空腹血糖再除常数。
def homa(insulin_uU, glucose_mgDL): return insulin_uU * glucose_mgDL / 405 for ins, glu in [(10,90),(15,120),(25,160)]: print(f"胰岛素{ins} 血糖{glu} → HOMA-IR {homa(ins,glu):.2f}" f"({'>2.5 提示抵抗' if homa(ins,glu)>2.5 else '正常范围'})")
把"胰岛素没有压低血糖"这个开关失灵变成数字,就是 HOMA。胰岛素越高血糖还不降,恰恰反向说明"信号不灵、细胞在抵抗",指数随二者同涨而走高。长期高血糖还会堆积糖化终产物,伤血管、肾、视网膜——糖尿病的并发症全是"长期高糖"向外辐射的后果,这正是"控制血糖不仅是治指标,更是防并发症"的分子理由。
回顾第 5 章:LDL 高、清除不足或氧化修饰,胆固醇在动脉壁沉积成斑块。风险把"血脂+血压+吸烟+糖尿病"加在一起,是同一条"内皮损伤-炎症-斑块"链条上的叠buff。
def plaque_risk(ldl, ox, inflam, w=(0.5,0.3,0.2)): return ldl*w[0] + ox*w[1] + inflam*w[2] print("综合风险示意:", round(plaque_risk(3, 2, 1),2), "(LDL/氧化/炎症加权)") print("他汀压 HMGCR 下调 LDL 即压低风险最主要的一项")
降脂药(他汀)从 HMGCR 下劲,本质上就是"压低货款、让清道夫(LDL 受体)赶得上"。风险是多项因子加权叠加而非单一阈值,所以"管血脂"常与"控血压、戒烟、控糖"并做。
许多单基因遗传病是某个酶缺陷,导致产物缺、上游中间物堆积或旁路被迫开走。苯丙酮尿症是苯丙氨酸羟化酶缺→苯丙氨酸积得中毒;镰状细胞贫血是单个碱基→谷氨酸变缬氨酸→血红蛋白凝成纤维。它们的共同规律是"一处基因/酶改,整条路歪掉"。
def substrate_level(V0_fraction): return 1/(V0_fraction+1e-3) for f in [0.5, 0.2, 0.05, 0.01]: print(f"酶活性剩 {f:.0%} → 上游底物稳态堆积约 {substrate_level(f):.0f} 倍")
这个粗算讲的是动态平衡直觉:酶活性掉一截,上游底物往往以非线性方式上涨。剩一半堆积约 2 倍,但只剩 1% 就涨到上千倍——临床表现为"上不去、堆下来",而堆积的中间物若带毒性(如苯丙氨酸、半乳糖-1-磷酸)就造成器官病变。这也能解释为什么产前/新生儿筛查能在症状出现前就逮住"堆"的趋势。
癌是"增殖信号常开"(RTK/Ras/MAPK 突变)、"抑癌失灵"(p53 等被压)、"细胞周期失控"、还伴随"代谢重塑"(Warburg 效应——即使有氧也偏爱糖酵解)共同作用的结果。
def hallmarks(unknow_, count): return f"在 {count} 条关键线上同时异常才能癌变(示意)" # 列出致癌机制的几个维度的叠加 dims = ["增殖信号常开","抑癌失灵","周期失控","代谢重塑","逃避凋亡"] for d in dims: print(" -", d)
理解它不能只抓一条线,而要同时看信号、周期与代谢三端——单一抑癌突变常不足以癌变,往往多条线"同时坏"才越过阈值。这也解释了肿瘤为何难以单一剂量根治,以及为何"靶向+免疫+代谢"多管齐下成为趋势。
把若干指标看成"通路端点的探头":血糖=糖进/出失衡,血脂=LDL 清除,肝酶=肝细胞损伤,尿酸=嘌呤代谢,肌钙蛋白=心肌酶漏。每项背后都对应一条第 4-7 章讲过的通路——这就是"生化用于临床"最实在的落点。
def read_biochem(item): probe = {"血糖":"糖进/出失衡(糖代谢)", "LDL":"脂蛋白清除(脂代谢)", "ALT/AST":"肝细胞损伤(转氨/蛋白代谢)", "尿酸":"嘌呤代谢(核苷酸)", "肌钙蛋白":"心肌损伤(酶漏)"} return probe.get(item) for i in ["血糖","LDL","ALT/AST","尿酸","肌钙蛋白"]: print(f"{i:8s} → 对应通路: {read_biochem(i)}")