基于炎症与NETs关键分子的NAFLD无创诊断多功能生物标志物组学研究及其临床转化价值

【编辑推荐】针对非酒精性脂肪肝病（NAFLD）缺乏无创诊断工具和治疗靶点的难题，研究人员通过生物信息学与实验验证相结合的策略，筛选出TNF、IL6、CCL5和SPP1组成的多功能生物标志物组。该模型诊断AUC达0.803，可实现风险分层（高/低风险亚群）和疾病分型（两种免疫特征亚型），并预测了靶向治疗药物。动物实验证实这些标志物在NASH小鼠血清显著升高（p<0.001），为NAFLD精准管理提供了新思路。

　　

非酒精性脂肪肝病（NAFLD）已成为全球公共卫生危机，全球患病率高达25-30%。这种疾病从单纯性脂肪变性进展为非酒精性脂肪性肝炎（NASH）、肝纤维化、肝硬化直至肝细胞癌（HCC）的过程中，早期诊断和干预至关重要。然而现实情况却令人担忧：肝脏活检作为金标准存在创伤大、成本高和取样变异等问题；影像学技术又缺乏足够的敏感性和特异性。更棘手的是，NAFLD早期往往没有明显症状，使得及时诊断变得异常困难。在这种背景下，开发可靠的无创诊断工具成为NAFLD管理的当务之急。

北京大学深圳医院的研究团队独辟蹊径，将目光聚焦在NAFLD发病过程中的两个关键病理环节——炎症反应和中性粒细胞胞外诱捕网（NETs）。通过整合生物信息学分析与实验验证，他们成功鉴定出一组由TNF、IL6、CCL5和SPP1组成的血清生物标志物组合，不仅实现了NAFLD的无创诊断，还能进行风险分层、疾病分型和治疗靶点预测。这项突破性研究发表在《Biochemical and Biophysical Research Communications》上，为NAFLD的精准管理提供了全新解决方案。

研究人员采用了多组学技术路线：首先从GEO数据库获取NAFLD相关转录组数据集（GSE89632、GSE49541、GSE48452），通过批效应校正合并数据；运用LASSO回归和SVM算法构建诊断模型；采用CIBERSORT和ssGSEA进行免疫浸润分析；通过共识聚类确定疾病亚型；最后在高脂饮食诱导的NASH小鼠模型中验证关键标志物。

<材料与方法>
研究团队从GEO数据库下载了包含143例NAFLD和65例对照的转录组数据，经sva包去除批效应后，筛选出与炎症和NETs相关的差异表达基因（INRDEGs）。采用LASSO回归和SVM算法构建诊断模型，并通过ROC曲线、校准曲线和决策曲线评估模型性能。免疫微环境分析采用CIBERSORT和ssGSEA算法，疾病亚型鉴定使用共识聚类，同时构建了miRNA-TF-药物互作网络。

<结果>
关键发现包括：1）TNF、IL6、CCL5和SPP1被确认为核心生物标志物，诊断模型AUC达0.803；2）风险分层显示TNF、SPP1和CCL5标记高危患者，IL6主导低危亚群；3）鉴定出两种具有不同免疫特征的NAFLD亚型；4）预测了针对关键标志物的潜在治疗药物；5）动物实验证实NASH小鼠血清中这些标志物水平显著升高（p<0.001）。

<讨论与结论>
这项研究创新性地将炎症和NETs相关分子整合为多功能生物标志物组，解决了NAFLD诊断中的多个关键问题：无创检测的准确性（AUC 0.803）、疾病进展风险的量化评估、基于免疫特征的精准分型以及靶向治疗策略的制定。特别值得注意的是，SPP1（骨桥蛋白）和CCL5（趋化因子）作为NETs相关分子的诊断价值首次在NAFLD中得到系统验证。研究人员还建立了包含22个miRNA、12个转录因子和56种药物的调控网络，为老药新用提供了线索。北京大学深圳医院的这项成果不仅为NAFLD临床管理提供了实用工具，其"多维度一体化"的研究思路也为其他复杂疾病的 biomarker 开发提供了范式。