编辑推荐：
为探究 MASLD 发病机制，研究人员分析其基因表达模式，构建预测模型，助力疾病诊疗。
代谢功能障碍相关脂肪性肝病（MASLD）是一种常见的肝脏疾病，近年来，其全球发病率如同坐上了 “火箭” 一般持续攀升，这主要 “归功” 于全球肥胖症流行趋势的愈演愈烈。MASLD 可不是个简单的 “角色”，它就像一颗隐藏在身体里的 “定时炸弹”，能从简单的肝脏脂肪堆积一步步发展成代谢功能障碍相关脂肪性肝炎（MASH），严重时甚至会恶化为肝细胞癌（HCC）。
由于 MASLD 的发病机制极为复杂，就像一团乱麻，目前临床上急需能精准预测其发病风险的模型，以及专门为 MASLD 患者定制的癌症筛查方案。在这样的背景下，来自首都医科大学北京肿瘤侵袭和转移重点实验室、山西医科大学第一医院等机构的研究人员，开启了一场探索 MASLD 奥秘的科研之旅。他们的研究成果发表在了《Scientific Reports》上，为我们理解和攻克这一疾病带来了新的曙光。
为了深入剖析 MASLD，研究人员采用了多种关键技术方法。首先，他们从多个公共数据库中收集了涵盖 MASLD 发展五个阶段（健康对照、健康肥胖、单纯性脂肪肝、MASH、由 MASH 引发的 HCC）的样本数据。接着，利用 limma 差异分析工具和加权基因共表达网络分析（WGCNA）筛选出可能在疾病进程中起重要作用的基因。然后，通过表达模式聚类分析和 LASSO 逻辑回归分析，构建出预测 MASLD 发病和进展的模型。最后，借助基因集富集分析（GSEA）等方法，进一步探究相关基因集在疾病发展过程中的功能变化。
下面来详细看看研究人员都有哪些重要发现：
- 合并数据库与差异基因表达初步分析：研究人员从 GEO 数据库筛选出三个数据集，经处理成功获得整合数据集。通过 limma 包分析，发现不同疾病状态与健康样本比较时，差异表达基因（DEGs）数量逐渐增多，还找到了 69 个在所有疾病组均异常调节的基因，这些基因很可能成为潜在的生物标志物或治疗靶点。
- 利用 WGCNA 检测与 MASLD 发病和进展相关的模块：运用 WGCNA 构建共表达网络，识别出 14 个模块。其中，红色、粉色和青色模块与 BMI 相关性较强，进一步分析发现红色和青色模块与 MASH 和 HCC 显著相关。功能富集分析显示，红色模块基因与炎症反应、凋亡等生物过程及 TNF 信号通路等相关；青色模块基因与脂肪酸代谢等功能及代谢通路等有关。交叉分析确定了 62 个可能与 MASLD 发展相关的 DEGs。
- DEGs 在 MASLD 发展和进展过程中呈现独特的 “V 形” 表达模式：对 62 个 DEGs 进行功能分析，发现其主要参与炎症反应和细胞凋亡等过程。聚类分析发现，MASLD 发病（从健康对照到健康肥胖再到单纯性脂肪肝）和进展（从单纯性脂肪肝到 MASH 再到 HCC）阶段基因表达模式存在差异，且 mRNA 表达谱呈一定趋势。通过 “STEM” 软件验证，只有 “V 形” 分子表达模式具有统计学意义。基因集变异分析（GSVA）表明，炎症、凋亡和代谢相关基因集也呈现 “V 形” 或倒 “V 形” 模式，这暗示了 MASLD 发展存在独特的触发机制。
- MASLD 进展的 GSEA 分析：研究人员确定了九个与肝脏疾病相关的功能基因集，经 GSEA 分析发现，这些基因集在 MASLD 发展过程中呈现 “V 形” 模式，以单纯性脂肪肝为转折点，且在发病和进展阶段功能表达不同，进一步证实了疾病发生和发展的触发机制不同。同时，HO 和 SS 阶段基因集富集不显著，表明这两个阶段功能相似。
- 开发 MASLD 发病（从健康对照到健康肥胖到单纯性脂肪肝）的预测模型：研究人员利用 LASSO 回归方法，基于 62 个 DEGs 构建风险预测模型，确定了 27 个与 MASLD 发展显著相关的基因。该模型能有效区分健康对照、健康肥胖和单纯性脂肪肝样本，且在不同队列中验证了其预测能力。
- 开发 MASLD 进展（从单纯性脂肪肝到 MASH 到 HCC）的预测模型：同样运用 LASSO 逻辑回归分析，研究人员确定了 14 个与 MASLD 进展密切相关的基因。模型计算的风险评分可有效区分单纯性脂肪肝、MASH 和 HCC 样本，在多个队列中展现出良好的预测性能，且与纤维化程度、NAFLD 活动评分（NAS）和细胞学气球样变等级相关，表明其能有效预测疾病进展。
- 风险评分模型与肝细胞癌（HCC）预后相关：研究人员评估了 MASLD 进展风险预测模型在 HCC 患者中的预后意义，发现高、低风险组患者预后无显著差异，但结合风险评分和纤维化等级可更好地预测预后。进一步分析发现，CYP7A1 和 TNFRSF12A 的表达水平与 HCC 患者预后显著相关，CYP7A1 可能是抑癌基因，TNFRSF12A 可能是致癌基因。
在讨论部分，研究人员指出，虽然研究存在局限性，如 MASLD 并非仅由肥胖引起，但鉴于肥胖与 MASLD 的密切关系，本研究聚焦于此。研究结果支持 “两次打击理论”，即首次打击涉及肝脏脂质代谢紊乱，第二次打击则是炎症风暴，这为理解 MASLD 的发病机制提供了重要线索。此外，研究人员构建的预测模型虽有一定局限性，但相比现有模型，在预测准确性和适用性上有明显优势，尤其是在预测 MASLD 进展和评估 HCC 风险方面潜力巨大。
总的来说，这项研究通过生物信息学方法，深入分析了 MASLD 发病和进展过程中的基因表达模式，构建并验证了预测模型，为 MASLD 和 HCC 的临床诊断提供了新的思路和方法。同时，研究还发现了 CYP7A1 和 TNFRSF12A 在 MASLD 诱导的 HCC 中的关键作用，为未来开发针对性的治疗策略提供了潜在靶点，对推动肝脏疾病的研究和治疗具有重要意义。
