编辑推荐：
为探究 COVID-19 与川崎病（KD）分子发病机制的关联，研究人员通过生物信息学和机器学习分析，筛选出 26 个共享差异表达基因（DEGs），鉴定出 PGLYRP1、DEFA4、RETN 三个关键基因，其与免疫细胞浸润相关，为疾病机制研究和诊疗提供新方向。
川崎病（KD）是一种好发于 5 岁以下儿童的急性血管炎，若诊治不及时可引发冠状动脉病变（CALs），但其病因和发病机制至今未完全明确。部分研究提示感染可能是触发因素，尤其在遗传易感个体中引发过度免疫反应。而 COVID-19 疫情期间，有报道称 KD 病例数增加，且部分 COVID-19 患儿出现类似 KD 的症状，二者在临床症状（如发热、皮疹、结膜炎）和免疫失调方面存在重叠，但两者之间的因果关系及分子机制尚不明确。为了揭示 COVID-19 与 KD 在分子水平上的关联，中山大学第八附属医院的研究人员开展了相关研究，成果发表在《BMC Pediatrics》。
研究人员从 Gene Expression Omnibus（GEO）数据库筛选了 4 个基因表达数据集，包括 GSE100154（KD）、GSE225220（COVID-19）等，涉及病例和健康对照的全血样本。主要运用了加权基因共表达网络分析（WGCNA）、差异表达基因（DEG）筛选、功能富集分析（GO 和 KEGG）、蛋白 - 蛋白相互作用（PPI）网络分析、LASSO 回归、ROC 曲线分析以及免疫细胞浸润分析等技术方法。
疾病相关模块的识别与共享 DEGs 筛选
通过 WGCNA 分析 KD 数据集 GSE100154，排除异常样本后，确定最佳软阈值 β=18，识别出 13 个共表达模块，其中粉色、紫色模块与 KD 呈正相关，绿色 - 黄色、青绿色模块呈负相关，筛选出 1047 个疾病相关基因。进一步结合 DEG 分析，在 KD 和 COVID-19 数据集中分别鉴定出 117 个和 2711 个 DEGs，通过交集分析得到 26 个共享 DEGs，作为 COVID-19 相关 KD 枢纽基因。
功能注释与 PPI 网络分析
对 26 个共享 DEGs 进行功能富集分析，发现其主要富集于抗菌免疫反应、中性粒细胞胞外陷阱（NET）形成、NOD 样受体信号通路等。利用 STRING 构建 PPI 网络，结合 Cytoscape 的 MCODE 和 CytoHubba 插件分析，筛选出 9 个核心基因，包括 MPO、LTF、PGLYRP1 等。
关键基因的鉴定与验证
通过 LASSO 回归分析，从 9 个核心基因中筛选出 3 个关键基因：PGLYRP1、DEFA4、RETN。ROC 曲线分析显示，这三个基因在训练集（GSE100154）和验证集（GSE73461）中均具有较高的诊断价值，AUC 值均大于 0.74。此外，在 KD 患者中，这三个基因的表达水平显著高于健康对照，且 PGLYRP1 和 RETN 在静脉注射免疫球蛋白（IVIG）治疗后表达下调。
免疫细胞浸润分析
KD 患者的免疫细胞浸润分析显示，活化树突状细胞（DCs）、M0 巨噬细胞和单核细胞浸润增加，而 CD8? T 细胞、调节性 T 细胞（Tregs）等减少；COVID-19 患者中 M0 巨噬细胞和初始 B 细胞浸润增加，静息 NK 细胞等减少。Spearman 相关性分析表明，三个关键基因与 M0 巨噬细胞、活化 DCs 等呈正相关，与 CD8? T 细胞呈负相关。
研究结论表明，PGLYRP1、DEFA4、RETN 这三个免疫相关生物标志物及其共享通路（如 NET 形成、NOD 样受体信号通路）可能在 COVID-19 和 KD 的发病机制中起重要作用。这些发现为阐明两者的共同免疫机制提供了新视角，有助于开发针对这两种疾病的诊断标志物和治疗靶点。尽管研究存在样本量不平衡、生物信息学方法局限性等问题，但为后续大样本验证和机制研究奠定了基础，对儿科心血管疾病和感染性疾病的诊疗具有重要意义。
