基于生物信息学与分泌蛋白筛选技术鉴定4型心肾综合征的早期预警生物标志物MME与SERPINF1

本研究针对慢性肾脏病（CKD）诱发慢性心力衰竭（CHF）的4型心肾综合征（CRS4）病理机制不明、缺乏早期预警标志物的问题，通过整合多组学数据与机器学习算法，筛选出由肾脏和血细胞分泌的关键蛋白MME与SERPINF1，构建了高精度诊断模型（AUC=0.880），为CKD患者并发CHF的早期识别提供了新策略。

　　

慢性肾脏病（Chronic Kidney Disease, CKD）已成为全球十大疾病负担之一，尤其值得关注的是，CKD患者中心血管疾病（Cardiovascular Diseases, CVDs）的发生率显著增高。约50%的终末期肾病（End-Stage Renal Disease, ESRD）患者最终死于CVDs，其中慢性心力衰竭（Chronic Heart Failure, CHF）是最常见的结局之一。由CKD进展所引发的心力衰竭被定义为4型心肾综合征（Type 4 Cardio-Renal Syndrome, CRS4）。然而，CKD患者发生CHF的过程往往隐匿而缓慢，早期症状易与CKD本身的表现重叠，导致诊断延误、治疗不及时。临床上广泛使用的一些心衰生物标志物，如高敏肌钙蛋白（hs-TnT）和N末端B型利钠肽原（NT-proBNP），在CKD患者中因受肾功能影响，其浓度 cutoff 值存在争议，且多在症状明显时才显著上升，限制了其早期预警价值。

近年来，虽有研究报道如可溶性致癌抑制因子2（sST2）、半乳糖凝集素3（Galectin-3, Gal-3）等新型标志物与CKD患者心衰风险相关，但这些研究多局限于个别分子，缺乏大规模、系统性筛选。随着多组学技术与生物信息学方法的进步，从分泌蛋白角度探究器官间相互作用成为新的研究方向。分泌蛋白——包括激素、细胞因子与膜蛋白等——可经血液运输至远端器官并调控其病理状态，是疾病标志物筛选的理想对象。

为此，本研究通过整合心、肾及血细胞的基因表达数据，从3947个分泌蛋白中筛选最具价值的CHF早期预警标志物，并建立诊断模型，旨在帮助临床医生早期识别CKD患者中的CHF高危人群，为提前干预提供依据。该研究最终发表于《Scientific Reports》。

本研究主要依托公共基因表达数据库（GEO），获取CHF与CKD相关数据集，包括心肌组织、肾脏组织及全血样本。通过差异表达分析（DEGs）、加权基因共表达网络分析（WGCNA）筛选关键基因，并与分泌蛋白基因集取交集；利用蛋白质相互作用（PPI）网络识别CRS4相关致病基因；采用三种机器学习算法（GLM、RF、XGB）进一步筛选枢纽基因；最后通过临床队列的血清ELISA实验验证标志物的表达与诊断效能。

Identification of CHF key genes：

通过对GSE19303和GSE21610两个CHF数据集的合并与批次校正，共鉴定出364个差异表达基因（DEGs），其中上调227个、下调137个。结合WGCNA分析，发现与CHF最相关的turquoise模块（r=0.42, p=1×10^－4），进一步交集获得258个CHF关键基因。

Identification of CKD-related secreted proteins：

从CKD患者全血（GSE37171）与肾组织（GSE66494）数据中分别识别出997和1400个DEGs，与分泌蛋白基因集取交集后，获得CKD相关分泌蛋白集合。

PPI analysis, functional enrichment, and drug screening for CRS4-related pathogenic genes：

构建CHF关键基因与CKD分泌蛋白的PPI网络，通过MCODE识别出81个CRS4相关致病基因。GO与KEGG富集分析显示，这些基因显著富集于细胞因子应答、细胞外基质组织、肾素-血管紧张素系统（Renin-Angiotensin System, RAS）与肥厚型心肌病等通路。cMAP分析筛选出地塞米松等十种可逆转致病基因表达的小分子化合物，提示其潜在治疗价值。

Biomarker screening and diagnostic model construction for CKD-related CHF：

将CHF差异基因、关键模块基因与CKD分泌蛋白取交集，获得12个候选基因。经三种机器学习算法重要性排序后，最终确定两个枢纽基因：MME（膜金属内切酶）与SERPINF1（丝蛋白酶家族F成员1）。两者在CHF组中表达均显著上调，ROC曲线下面积（AUC）均大于0.8。基于二者构建的列线图模型表现出良好校准度与临床适用性，模型AUC达0.892。

External verification of the expression patterns and diagnostic performance of two biomarkers：

在外部数据集GSE1145和GSE141910中，MME与SERPINF1仍显着高表达，且诊断CHF的AUC分别达到0.939与0.833，验证了其稳健性。

Immune cell infiltration analysis of CHF merged dataset：

通过MCPcounter与ssGSEA两种算法分析CHF心肌组织免疫浸润情况，发现CD8⁺ T细胞、肥大细胞与成纤维细胞浸润程度显著升高，且与SERPINF1和MME表达呈正相关，提示免疫机制参与CRS4进程。

Clinical serological validation of the diagnostic performance of two biomarkers：

临床队列包含健康对照组、CKD无CHF组与CRS4组。ELISA检测显示，CRS4患者血清MME与SERPINF1浓度显著高于对照组与单纯CKD组（p<0.05）。两者诊断CRS4的AUC分别为0.811与0.790，而联合NT-proBNP构建的综合诊断模型AUC进一步提升至0.942。

本研究通过多组学整合分析揭示，CKD可能通过肾脏与血细胞来源的分泌蛋白（如细胞因子与基质相关蛋白）促进心肌肥厚、纤维化与免疫细胞浸润，从而诱发CHF。其中，MME与SERPINF1作为两个经机器学习筛选、多队列验证的血清标志物，不仅具备良好的诊断性能，还与CD8⁺ T细胞、肥大细胞等免疫细胞浸润显著相关，提示其参与心衰发展的免疫调节机制。此外，地塞米松等小分子化合物的预测为CRS4的干预提供新思路。研究的优势在于融合生物信息学筛选与临床样本验证，缺陷为样本来源单一、未进行预后随访。未来需进一步探索MME与SERPINF1在CRS4中的具体机制与靶向治疗潜力。