基于外泌体RNA测序的慢性乙型肝炎诊断标志物筛选及机器学习模型构建

本研究针对慢性乙型肝炎(CHB)非侵入性诊断标志物缺乏的临床难题，通过整合组织转录组和外泌体RNA测序数据，筛选出PXN-AS1、RAD9A和SLC17A9三个关键基因标志物，并构建AUC达0.924的Adaboost诊断模型，为CHB早期诊断提供了新型液体活检策略。

　　

慢性乙型肝炎(CHB)是全球公共卫生的重大挑战，约2.57亿人长期携带乙肝病毒，其中40%会发展为肝硬化和肝癌。然而当前诊断金标准肝活检存在出血风险，常规血清ALT/AST检测在38%-83%的炎症患者中呈现假阴性，影像学检查又面临辐射、成本和技术门槛等限制。这种诊断困境使得大量CHB患者错失早期干预时机，亟需开发高灵敏度、高特异性的非侵入性诊断方法。

外泌体作为细胞间通讯的"分子快递"，其携带的RNA具有组织特异性和稳定性优势，已成为液体活检的新宠。苏州第五人民医院和南京大学医学院附属鼓楼医院的研究团队创新性地将外泌体RNA测序与机器学习相结合，在《Virus Research》发表的研究中，通过分析329例肝组织和118例血浆样本，首次建立了基于外泌体三基因标志物的CHB诊断体系。

研究采用多组学整合分析策略：从103例CHB和226例正常肝组织的RNA-seq数据中筛选差异基因；通过GO/KEGG富集分析锁定炎症相关通路；利用10例含炎症分级的独立样本验证基因-炎症相关性；最后在血浆外泌体中验证候选标志物的诊断效能。关键技术包括外泌体RNA分离、链特异性文库构建、差异表达分析(Wilcoxon检验)和Adaboost算法建模。

在结果部分，3.1章节显示筛选出1006个差异基因(569上调/437下调)，热图清晰区分CHB与正常组织。3.2章节的GO/KEGG分析揭示上调基因富集于补体激活、B细胞免疫等通路，下调基因涉及脂代谢和维生素吸收。3.3章节通过炎症分级关联分析，发现PXN-AS1等27个基因表达与炎症程度呈负相关。3.4章节的创新性发现在于：血浆外泌体中PXN-AS1、RAD9A和SLC17A9的表达较健康对照降低2-5倍(p<0.05)，三基因联合模型的测试集AUC达0.924，显著优于单标志物(p<0.05)。

讨论部分指出，长链非编码RNA PXN-AS1在多种癌症中异常表达，但本研究首次发现其与肝炎的相关性；溶质转运体SLC17A9可能连接代谢紊乱与炎症过程；DNA修复基因RAD9A则被新发现与肝脏炎症程度相关。虽然单个基因的AUC(0.665-0.762)有限，但机器学习模型通过特征组合将诊断效能提升至临床可用水平。

该研究的突破性意义在于：首次建立外泌体RNA标志物组合的CHB诊断模型，验证队列显示其可识别83%ALT正常但存在肝损伤的患者；提出的三基因组合为理解CHB发病机制提供新视角；建立的技术路线可推广至其他肝病诊断领域。作者也坦承需要扩大样本验证模型稳定性，并计划开展功能实验阐明标志物的生物学机制。这项研究为实现CHB的"无创精准诊断"迈出关键一步，展现出转化医学的重要价值。