基于多组学与机器学习解析妊娠期糖尿病免疫微环境：CCL3/FAM3B/IL1RL1作为新型诊断标志物的发现与验证

本研究针对妊娠期糖尿病(GDM)缺乏有效诊断标志物的问题，通过整合多组学数据与机器学习算法，系统分析了GDM胎盘组织的免疫微环境特征。研究发现CCL3/FAM3B/IL1RL1可作为GDM潜在诊断标志物，并证实巨噬细胞通过CCL3-CCR1通路介导的免疫调控在GDM发生中起关键作用。该研究为GDM的早期诊断和免疫靶向治疗提供了新思路。

　　

在当代产科医学领域，妊娠期糖尿病(Gestational Diabetes Mellitus, GDM)作为一种常见的妊娠期并发症，正日益成为威胁母婴健康的隐形杀手。随着全球糖尿病发病率的逐年攀升，GDM的患病率也呈现持续增长态势，据统计近几十年来妊娠期糖尿病发病率逐年递增。这不仅增加了孕妇发生先兆子痫、早产等风险，更可能导致巨大儿、新生儿低血糖、红细胞增多症、肩难产、高胆红素血症、新生儿呼吸窘迫综合征等一系列新生儿并发症。更为严峻的是，患有GDM的孕妇未来发展为2型糖尿病的风险显著增加。然而，目前GDM的具体发病机制尚未完全阐明，普遍认为与炎症免疫反应和胰岛素抵抗(Insulin Resistance, IR)密切相关。

尽管口服葡萄糖耐量试验(OGTT)是目前GDM的主要诊断方法，但该方法存在操作繁琐、耗时较长等局限性。更为重要的是，传统诊断方法难以反映GDM的病理生理本质，无法为个体化治疗提供分子层面的指导。近年来，随着生物信息学的快速发展，通过挖掘公共数据库中的组学数据来探索疾病机制和发现新型生物标志物已成为研究热点。已有研究表明，GDM患者胎盘组织中存在免疫细胞数量和频率的异常变化，与非GDM组相比，GDM组白细胞计数线性增加，CD4⁺T细胞和B细胞比例显著升高。此外，研究还发现GDM患者胰岛素敏感性降低，脂肪组织存在炎症状态，其中巨噬细胞更倾向于极化为M1表型。这些发现提示免疫微环境在GDM发生发展中可能扮演着重要角色，但具体的分子机制和关键调控节点仍有待深入探索。

为解决上述问题，南通大学附属医院妇产科苏敏教授团队在《Scientific Reports》上发表了题为"Evaluation of biomarkers and immune microenvironment of gestational diabetes mellitus evidence from omics data and machine learning"的研究论文。该研究创新性地结合多组学数据与机器学习算法，系统揭示了GDM的免疫微环境特征，并发现了具有诊断潜力的新型生物标志物。

研究人员采用生物信息学与实验验证相结合的研究策略，主要技术方法包括：利用GEO数据库获取GDM和正常胎盘组织的基因表达数据(GSE70493、GSE128381、GSE92772)；通过limma包筛选差异表达基因(DEGs)，应用加权基因共表达网络分析(WGCNA)识别关键模块，采用LASSO、SVM-RFE和逻辑回归三种机器学习算法筛选核心基因；使用CIBERSORT算法评估免疫细胞浸润，并通过单细胞测序技术解析细胞异质性；最后通过ELISA、Western blot和免疫组化等实验方法在临床样本中进行验证。研究共纳入31例正常样本和32例GDM样本作为测试集，并利用外部数据集进行验证。

差异表达基因分析结果

研究人员通过对GSE70493数据集的32例GDM和31例正常胎盘样本进行分析，共鉴定出1217个DEGs，其中527个基因上调，690个基因下调。火山图和热图清晰展示了GDM与正常样本间的基因表达差异模式。进一步通过WGCNA分析，确定软阈值为19，共识别出17个模块，其中midnightblue模块与GDM临床特征相关性最高，包含136个基因。

功能富集分析结果

KEGG通路富集分析显示，DEGs显著富集于补体激活、细胞因子-细胞因子受体相互作用等信号通路。GO分析表明免疫反应相关通路在GDM样本中显著激活。GSEA分析进一步证实，趋化因子信号通路、自然杀伤细胞介导的细胞毒性、Toll样受体信号通路等在GDM发生中发挥重要作用。这些结果一致表明免疫相关因素显著影响GDM的进展。

核心基因筛选结果

通过三种机器学习算法的联合分析，研究人员最终筛选出CCL3、FAM3B和IL1RL1三个核心基因作为GDM的潜在诊断标志物。逻辑回归分析显示，FAM3B和PAGE2B是GDM的危险因素，而其他基因可能具有保护作用。特别值得注意的是，CCL3、FAM3B和IL1RL1编码的蛋白均为分泌蛋白，可进入外周血，这使它们具备了作为无创诊断标志物的潜力。

诊断标志物验证结果

在胎盘组织芯片GSE128381和孕中期外周血测序芯片GSE92772中的验证表明，三个核心基因的表达趋势与发现集一致。ROC曲线分析显示，CCL3在外周血数据集GSE92772中的AUC值达到0.766，表明其具有良好的诊断性能。

免疫微环境分析结果

CIBERSORT算法分析显示，GDM样本中CD8⁺T细胞、CD4⁺初始T细胞、静息NK细胞、活化NK细胞和M1型巨噬细胞的比例显著升高。相关性分析发现CCL3与肥大细胞呈正相关，与CD8⁺T细胞呈负相关；FAM3B与CD8⁺T细胞正相关，与CD4⁺T细胞负相关；IL1RL1与CD4⁺T细胞正相关，与CD8⁺T细胞和巨噬细胞负相关。

单细胞分析结果

单细胞测序分析将细胞分为17个亚群，发现在GDM样本中粒细胞比例显著降低，而巨噬细胞和NK/T细胞比例显著增加。特别值得注意的是，GDM样本中巨噬细胞的CCL3表达水平明显升高。细胞通讯分析显示，GDM中巨噬细胞通讯显著活跃，CCL信号通路明显增强，其中CCL3-CCR1通路起主要作用。

临床验证结果

ELISA检测显示，GDM患者孕中期外周血中CCL3和FAM3B表达水平升高，IL1RL1表达水平降低，且这一趋势在孕晚期保持一致。ROC曲线分析表明，孕中期外周血CCL3水平的AUC为0.808，当截断值为80.64pg/ml时，敏感性为96.67%，特异性为56.67%。Western blot和免疫组化结果进一步验证了这三个基因在蛋白水平的表达变化。

本研究通过整合多组学数据和机器学习算法，系统揭示了GDM的免疫微环境特征，并发现CCL3、FAM3B和IL1RL1作为GDM潜在诊断标志物的重要价值。特别值得注意的是，研究首次发现巨噬细胞通过CCL3-CCR1通路在GDM发生中发挥关键作用，这为理解GDM的免疫机制提供了新的视角。

研究的创新性在于将生物信息学分析与实验验证有机结合，不仅发现了新型诊断标志物，还深入揭示了GDM的免疫调控网络。然而，研究也存在一定局限性，如样本量相对较小，部分生物标志物的表达差异虽然具有统计学意义，但幅度较小，这为临床转化应用带来了挑战。与传统的OGTT方法相比，CCL3、FAM3B和IL1RL1等标志物具有反映GDM特异性免疫通路、可能实现更早期预测、检测方法更为简便等优势，未来有望成为OGTT的重要补充或替代方案。

综上所述，该研究不仅为GDM的早期诊断提供了新的生物标志物，更重要的是揭示了免疫微环境在GDM发生发展中的关键作用，为开发针对GDM的免疫调节治疗策略奠定了理论基础。未来的研究方向应包括在大规模多中心队列中验证这些标志物的临床价值，开发高灵敏度的检测方法，并进一步探索CCL3-CCR1通路在GDM中的具体分子机制，为最终实现GDM的精准防治提供科学依据。