脂质代谢重编程驱动肺纤维化：基于机器学习的KLF4靶向诊断模型与机制研究

本文针对特发性肺纤维化（IPF）缺乏有效生物标志物和治疗靶点的难题，通过整合多组学数据与机器学习算法，首次构建了基于脂质相关基因的诊断和预后模型。研究发现KLF4通过调控肺泡上皮细胞迁移促进纤维化进程，为IPF的精准诊疗提供了新靶点。该成果发表于《Orphanet Journal of Rare Diseases》，为理解脂质代谢在IPF中的作用机制及临床转化奠定基础。

　　

特发性肺纤维化（IPF）是一种致命的间质性肺病，患者5年生存率仅38%，但发病机制尚未完全阐明。近年来，脂质代谢异常被发现在肺组织修复和纤维化中扮演关键角色：肺泡表面活性物质90%由脂质构成，而IPF患者中低密度脂蛋白（LDL）代谢紊乱可加速肺纤维化。然而，脂质相关基因如何驱动IPF进展，能否成为诊疗靶点仍未知。

为破解这一难题，四川省人民医院（Sichuan Provincial People's Hospital）的研究团队开展了一项跨组学研究。他们从GEO数据库获取IPF患者肺组织、肺泡灌洗液（BALF）和血液样本的多组学数据，通过四步核心技术展开攻关：

1. 生物信息学挖掘：基于GeneCards筛选脂质相关基因，利用共识聚类将IPF患者分为两种亚型（Cluster A/B），发现其肺功能（FVC/DLCO）和纤维化基因（MUC5B/TGFB1等）表达显著差异；

2. 模块化分析：采用加权基因共表达网络（WGCNA）锁定与IPF最相关的"蓝色模块"，从中筛选出104个核心基因；

3. 机器学习建模：通过104种算法组合构建诊断模型（Stepglm+GBM）和预后模型（StepCox+RSF），并在6个独立数据集中验证；

4. 实验验证：结合单细胞测序（scRNA-seq）发现KLF4在肺泡Ⅱ型上皮细胞（AT II）异常表达，通过细胞敲除实验（siRNA）和功能检测（CCK-8/划痕实验）验证其促纤维化机制。

研究结果

1. 脂质相关基因聚类揭示IPF亚型异质性

通过GSE47460数据集的145例IPF样本分析，基于脂质基因的共识聚类明确区分Cluster A/B两亚型：

• Cluster B富集脂肪酸合成通路，且CD8⁺T细胞等免疫浸润显著升高（图1D）

• Cluster B患者肺功能指标FVC（P<0.05）和DLCO（P<0.01）更差，促纤维化基因TGFB1/COL3A1表达更高（图1H-O）

  

2. WGCNA锁定核心模块与Hub基因

• 蓝色模块与IPF表型相关性最强（r=0.72, P=1e-12），且模块内基因显著性（GS）与模块成员（MM）高度正相关（图2E）

• 功能富集显示该模块调控细胞外基质（ECM）受体相互作用和血管平滑肌收缩通路（图2G-H）

• PPI网络鉴定出CAV1、KLF4、AGTR1为关键Hub基因（附表5）

  

3. 机器学习模型实现精准诊疗预测

• 诊断模型：基于15个基因构建的Stepglm+GBM模型在训练集（GSE47460）和验证集（GSE32537等）AUC均>0.95（图3B-E），显著优于既往模型

• 预后模型：10基因StepCox+RSF模型在BALF数据集（GSE70866）预测生存的C-index达0.79，血液验证集（GSE28221/GSE93606）C-index为0.65-0.70（图4B-D）

  

4. KLF4驱动纤维化的单细胞与实验证据

• scRNA-seq显示：KLF4在AT II细胞中特异性下调（图5G），且IPF患者脂质代谢评分显著降低（P<0.001）

• 功能实验证实：

  • KLF4敲除（siKLF4）使AT II细胞迁移能力提升2.1倍（图6B），但增殖无变化（图6A）

  • KLF4抑制降低E-cadherin表达（上皮标志物），升高Vimentin（间质标志物），促进上皮-间质转化（EMT）（图6C-E）

  • KLF4缺失同时增强巨噬细胞/成纤维细胞的增殖和迁移能力（图7）

    

结论与意义

本研究首次建立了IPF的脂质相关基因诊断预后模型，其卓越性能（AUC>0.95）为临床无创诊断提供新工具。更关键的是，通过多组学整合与实验