编辑推荐：
为解决传统结核病（TB）诊断方法的局限性，北京胸科医院等研究人员开展了 “Identification of inflammatory protein biomarkers for predicting the different subtype of adult with tuberculosis: an Olink proteomic study” 主题研究。结果发现多种炎症相关蛋白可区分 TB 不同亚型，这为 TB 诊断和治疗提供新方向。
在全球健康的版图上，结核病（Tuberculosis，TB）犹如一颗顽固的 “毒瘤”，持续威胁着人类的生命健康。它是由结核分枝杆菌（Mycobacterium tuberculosis）引发的传染病，每年约有 1000 万新发病例，在全球范围内造成了沉重的疾病负担。TB 主要有两种形式：具有临床症状的活动性肺结核，以及没有症状但免疫系统已对细菌产生反应的潜伏结核感染（Latent Tuberculosis Infection，LTBI）。
当前，传统的 TB 诊断方法问题重重。痰涂片显微镜检查的敏感性和特异性有限，在肺外结核或细菌载量低的情况下，常常 “力不从心”；而作为金标准的分枝杆菌培养，不仅耗时久，还需要专业的设施设备，在资源有限的地区难以广泛应用；分子诊断测试虽然速度较快，但价格昂贵，而且无法有效区分潜伏感染和活动性感染，也难以检测出抗菌耐药性。面对这些困境，开发快速、经济且易用的诊断方法迫在眉睫。
在此背景下，新疆医科大学第一附属医院、北京胸科医院等机构的研究人员展开了深入探索。他们进行了一项名为 “Identification of inflammatory protein biomarkers for predicting the different subtype of adult with tuberculosis: an Olink proteomic study” 的研究，旨在寻找能够早期预测成人不同亚型 TB 的潜在炎症分子生物标志物。研究成果发表在《Inflammation Research》杂志上。
为开展此项研究，研究人员采用了以下关键技术方法：
- 样本采集：2022 年 2 月至 2023 年 5 月，在北京胸科医院前瞻性招募疑似 TB 的成年个体，收集外周血标本。根据严格的纳入标准，将参与者分为健康对照组（Health Control，HC）、潜伏结核感染组（LTBI）和活动性肺结核组（TB），其中 TB 组又进一步细分为耐多药肺结核（Multidrug-Resistant Tuberculosis，R-TB）和药敏肺结核（Drug-Susceptible Tuberculosis，S-TB），以及按照疾病严重程度进行分组。
- Olink 检测：运用 Olink 炎症检测面板，基于邻近延伸分析（Proximity Extension Assay，PEA）技术，对血浆中 92 种炎症相关蛋白的表达水平进行定量检测。最终结果以标准化蛋白质表达（Normalized Protein Expression，NPX）值呈现。
- 数据分析：使用 R 统计软件和 SPSS 23.0 软件，对数据进行多种统计分析，包括 ANOVA、t 检验、卡方检验、Fisher 精确检验、Mann-Whitney U 检验和 Kruskal-Wallis 检验等，以探究炎症蛋白水平与 TB 风险的关系，并通过受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）评估模型的预测准确性。
研究结果如下：
- 人口特征：研究共纳入 88 名参与者，HC、LTBI 和 TB 三组在年龄和性别上无显著差异，但 IGRA（Interferon-Gamma Release Assay，干扰素 -γ 释放试验）检测结果显示，HC 组和 LTBI 组之间存在显著差异。
- 血浆蛋白分析：在三组中均检测到 92 种血浆蛋白，其中 7 种在 HC 和 LTBI 组之间差异显著，43 种在 LTBI 和 TB 组之间差异显著，46 种在 TB 和 HC 组之间差异显著。主成分分析（Principal Component Analysis，PCA）和热图分析表明，不同组之间炎症相关蛋白的表达存在部分差异。
- 差异蛋白与诊断标志物：在不同组的比较中，发现了多种具有诊断潜力的炎症蛋白。例如，CXCL10 和 TGF-α 在三组之间的表达差异显著，可作为潜在的诊断生物标志物；SCF 在区分 TB 和 LTBI 方面表现出卓越的能力，AUC 达到 0.920；SLAMF1 则是区分痰培养阴性和阳性 TB 病例的重要预测指标，AUC 为 0.779。
- 相关性分析：通过计算 Pearson 相关系数，发现不同组中差异表达的炎症蛋白之间存在复杂的相关性。例如，在 LTBI 与 HC 组中，TGF-α 和 CXCL10 呈强正相关；在非严重与严重 TB 组中，CXCL10 和 CXCL9、TNF 和 CCL3 呈强正相关，而 IL-6 和 SCF 呈负相关。
- 功能富集分析：对差异表达蛋白进行基因本体（Gene Ontology，GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG）富集分析，结果显示这些蛋白主要富集在免疫调节、细胞信号传导相关的生物学过程和信号通路中，如 p53 信号通路、TNF 信号通路和 NF-κB 信号通路等。
研究结论和讨论部分指出，炎症相关蛋白在 TB 的不同阶段呈现出不同的表达谱，它们相互关联，通过激活多种免疫细胞、促进促炎细胞因子的分泌，参与了 TB 的发病机制。这些蛋白的功能影响细胞表型，在宿主与结核分枝杆菌的相互作用中发挥着关键的调节作用，有望成为疾病预防和治疗的潜在靶点。
这项研究意义重大，它为 TB 的诊断和治疗开辟了新的方向。通过识别这些炎症蛋白生物标志物，未来有望开发出更精准、更高效的诊断工具，实现对 TB 的早期检测和分型，从而及时采取针对性的治疗措施。此外，对这些生物标志物作用机制的深入理解，也有助于研发新的治疗策略，提高 TB 的治疗效果，为全球抗击结核病的斗争提供有力的支持。
