基于鼻咽部宿主基因表达特征鉴别病毒性与细菌性下呼吸道感染的转化医学研究

《Journal of Clinical and Translational Science》：Host gene expression in the nasopharynx can discriminate microbiologically confirmed viral and bacterial lower respiratory tract infection

本研究针对下呼吸道感染（LRTI）病原鉴别难题，开发了基于鼻咽拭子样本的宿主基因表达分类器（Biomeme HR-B/V assay）。通过24个基因靶标检测，新模型在区分病毒性与细菌性LRTI时曲线下面积（AUC）达0.881，外部验证AUC最高达0.932。该研究为开发非侵入性整合诊断技术提供了新策略，对遏制抗生素滥用具有重要意义。

　　

在感染性疾病诊疗领域，下呼吸道感染（LRTI）的病原学鉴别始终是临床医生面临的重大挑战。病毒性和细菌性感染常呈现相似临床症状，导致抗生素滥用现象普遍存在。传统病原学检测方法如培养法和PCR（聚合酶链反应）存在灵敏度有限、无法区分定植与感染等局限，而蛋白类生物标志物（如C反应蛋白CRP和降钙素原PCT）的诊断性能亦不尽如人意。

在此背景下，杜克大学领衔的国际研究团队将目光投向宿主反应诊断新策略。其创新性地探索鼻咽部基因表达特征在LRTI病原鉴别中的价值，研究成果发表于《Journal of Clinical and Translational Science》。该研究突破传统血样检测局限，利用非侵入性鼻咽拭子样本实现病原类型的精准判别，为开发集成病原检测与宿主反应分析的一体化诊断平台奠定基础。

研究团队采用多中心前瞻性队列设计，在斯里兰卡三级医院纳入急性LRTI住院患者。通过临床裁决委员会金标准确认感染病因，最终19例高置信度感染病例（12例病毒性，7例细菌性）纳入分析。关键技术方法包括：基于Biomeme Franklin^TM平台的实时定量PCR（RT-qPCR）技术检测24个基因靶标（含22个判别基因和2个内参基因）；弹性网络正则化机器学习算法构建分类模型；外部数据集（GSE163151和GSE188678）转录组数据验证；通路富集分析揭示生物学机制。

基因表达特征

比较病毒性与细菌性感染组发现，OAS3、IFI27、USP18等5个基因表达存在显著差异。其中干扰素诱导基因IFI27等病毒相关靶标在病毒组显著高表达，呈现典型抗病毒反应特征。

通路富集分析

22个分类器基因显著富集于病毒生命周期、I型干扰素信号通路等43条生物通路，证实其参与抗病毒免疫应答和白细胞介导的细胞毒性调控等关键生物学过程。

模型性能验证

主成分分析显示病毒与细菌感染样本存在明显分离趋势。基于血样开发的原有分类器在鼻咽样本中AUC为0.786，而新构建的鼻咽特异性模型AUC提升至0.881，准确率达84%。

外部数据验证

在两个独立鼻腔/鼻咽转录组数据集（GSE163151和GSE188678）中，该基因特征区分病毒与非病毒感染的AUC分别达0.932和0.915， demonstrating较强泛化能力。

本研究首次证实鼻咽部宿主基因表达可有效判别LRTI病原类型。虽然样本量有限（13例因检测缺失被排除），但外部验证结果支撑了生物学合理性：鼻咽与血液免疫应答存在相似性，且局部样本可能更早反映感染信号。研究局限性包括小样本规模、临床裁决标准潜在偏倚等，但为开发单样本集成诊断技术指明方向。这种非侵入性诊断策略有望显著减少抗生素滥用，对应对全球抗菌素耐药性危机具有重要转化价值。未来需在多中心大样本中验证该分类器性能，并探索其在病因不明感染患者中的应用潜力。