铁代谢与子痫前期的生物信息学解析：诊断标志物与发病机制新视角

这篇综述通过生物信息学方法揭示了铁代谢（iron metabolism）和铁死亡（ferroptosis）在子痫前期（PE）发病中的关键作用。研究整合GEO数据库转录组数据，运用WGCNA和机器学习（LASSO-COX/SVM/XGBoost）筛选出LTF、PLOD2、CP等5个核心基因（hub genes），其ROC曲线AUC值显示优异诊断效能。这些基因通过PI3K-Akt/HIF-1信号通路调控铁离子转运和氧化应激，并与调节性T细胞（Treg）浸润显著相关，为PE的早期诊断提供了新型分子靶标。

　　

铁代谢与子痫前期的分子关联

子痫前期（PE）作为困扰2%-8%妊娠女性的多系统疾病，其发病机制与铁代谢紊乱的关联近年备受关注。过量铁离子引发的氧化应激和铁死亡被证实可导致胎盘组织损伤，通过促进炎症因子分泌和血管内皮功能障碍，最终引发高血压和多器官损伤的典型临床表现。

研究方法与技术路线

研究团队从GEO数据库获取GSE186257和GSE24129数据集，包含34例PE和26例正常胎盘样本。通过limma包筛选出355个差异基因（DEGs），其中182个上调基因主要富集在细胞外基质和炎症反应，173个下调基因则与铁离子转运和内质网功能相关。引人注目的是，KEGG分析显示这些基因显著关联PI3K-Akt、HIF-1和JAK-STAT等信号通路，这些通路恰与铁代谢和氧化应激调控密切有关。

WGCNA网络构建与模块分析

采用软阈值7构建的基因共表达网络，成功鉴定23个功能模块。其中绿色模块（R²=0.44）与PE呈最强正相关，而青色模块（R²=-0.57）显示显著负相关。模块内基因功能分析揭示，阳性关联基因主要参与铁离子结合和运输，阴性关联基因则调控内质网钙稳态。这种双向调控模式暗示PE发病中可能存在铁超载与内质网应激的协同作用。

机器学习驱动的标志物筛选

研究创新性地联合LASSO-COX、SVM和XGBoost三种算法，从840个铁代谢相关基因中筛选出5个核心标志物：乳铁蛋白（LTF）、前胶原赖氨酸羟化酶（PLOD2）、铜蓝蛋白（CP）表达上调，而核受体NR1D2和脯氨酰羟化酶P3H2表达下调。这些基因的ROC曲线AUC值均超过0.85，在独立验证集GSE24129中保持稳定诊断效能。特别值得注意的是，ssGSEA分析显示LTF与铁死亡评分呈强正相关（r=0.62, p<0.001），提示其可能通过调控脂质过氧化参与PE进展。

免疫微环境特征解析

CIBERSORT算法揭示PE胎盘存在独特的免疫浸润模式：静息CD4⁺记忆T细胞和调节性T细胞（Treg）比例显著增加。相关性分析发现CP表达与Treg浸润程度呈正相关（r=0.48），而NR1D2则与巨噬细胞M2型极化负相关。这种免疫-代谢交互网络为理解PE的发病机制提供了新视角。

临床转化价值展望

该研究不仅证实铁代谢紊乱是PE的重要病理特征，更通过多组学整合分析提出具有临床应用潜力的诊断标志物组合。未来研究可进一步探索这些靶点与临床参数（如血压波动、尿蛋白水平）的动态关联，以及铁螯合剂治疗PE的可行性。此外，发现的免疫-代谢交叉调控网络为开发新型干预策略提供了理论依据。