基于机器学习和孟德尔随机化的单核细胞相关基因MSRB2、CLEC4D和ASGR2作为结核病潜在生物标志物的鉴定研究

本研究针对结核病(TB)诊断生物标志物匮乏的临床难题，通过CIBERSORT算法解析TB免疫微环境特征，结合WGCNA和机器学习筛选出单核细胞关键基因MSRB2、CLEC4D和ASGR2，构建高精度诊断模型。孟德尔随机化(MR)证实CLEC4D与TB发病的因果关系，为TB免疫治疗提供新靶点。

　　

结核病(TB)仍是全球重大公共卫生威胁，每年导致数百万人感染。尽管现有诊断技术如痰涂片和培养法被广泛应用，但约40%活动性TB患者存在假阴性结果，且缺乏能评估疾病进展和治疗响应的动态监测指标。更棘手的是，结核分枝杆菌的免疫逃逸机制导致传统疫苗保护效力有限，亟需从宿主免疫角度寻找突破性解决方案。

泗阳医院与江苏大学附属医院的研究团队在《Tuberculosis》发表创新性研究，通过多组学整合分析揭示单核细胞在TB发病中的核心作用。研究人员采用CIBERSORT算法量化TB患者外周血免疫细胞浸润，结合加权基因共表达网络分析(WGCNA)和三种机器学习算法，最终锁定MSRB2、CLEC4D和ASGR2三个单核细胞特征基因，并利用孟德尔随机化(Mendelian Randomization, MR)验证其因果关联。该研究不仅构建出AUC达0.92的诊断模型，还发现CLEC4D基因表达水平每升高1个单位可使TB风险增加17%，为TB的免疫干预提供全新分子靶点。

关键技术方法包括：1)整合GSE54992、GSE83456和GSE42826三个GEO数据集进行批次校正；2)应用CIBERSORT解析54例TB患者与67例健康对照的免疫细胞差异；3)通过LASSO、SVM-RFE和XGBoost算法筛选特征基因；4)采用两样本MR分析评估基因与TB的因果关系；5)单细胞测序验证基因的细胞特异性表达。

【关键发现】
数据收集和处理：整合3个GEO数据集发现TB组单核细胞比例显著高于对照组(p<0.001)，且与常规血检结果高度一致。

TB关键免疫细胞鉴定：CIBERSORT显示单核细胞占比达38.7±6.2%，显著高于其他免疫细胞(p=0.002)，成为后续分析焦点。

诊断模型构建：机器学习筛选的MSRB2、CLEC4D和ASGR2组合在验证集中AUC为0.89-0.93，灵敏度达85.4%。

单细胞验证：scRNA-seq证实这三个基因在TB患者单核细胞中表达量较健康组上调2.1-3.8倍(p<0.01)。

MR分析：CLEC4D的IVW(逆方差加权)分析OR值为1.17(95%CI:1.05-1.31)，提示其可能是TB发病的因果因素。

【研究意义】
该研究突破传统病原学诊断局限，首次建立基于宿主免疫反应的TB诊断体系。MSRB2(甲硫氨酸亚砜还原酶B2)的氧化应激调控功能、CLEC4D(C型凝集素结构域家族4成员D)的病原模式识别特性以及ASGR2(去唾液酸糖蛋白受体2)的内吞作用，共同构成TB免疫应答的关键分子网络。特别是MR分析确证的CLEC4D风险效应，为开发靶向单核细胞的免疫调节疗法奠定理论基础。研究者建议后续可探索这三个基因的动态表达模式与抗结核治疗响应的关联性，并评估其作为疫苗效价评价标志物的可行性。

值得注意的是，该模型在痰阴性和肺外TB诊断中展现独特优势。但作者也指出当前样本量较小，需在前瞻性队列中验证模型的泛化能力。这项研究为TB精准诊疗提供了全新视角，标志着宿主导向治疗(host-directed therapy, HDT)策略的重要进展。