基于单细胞转录组学的增殖性糖尿病视网膜病变预测模型构建及分子机制研究

本研究针对增殖性糖尿病视网膜病变(PDR)中纤维血管膜(FVMs)形成的分子机制难题，整合9例PDR患者FVMs和健康视网膜的scRNA-seq数据，通过差异基因表达分析发现星形胶质细胞、小胶质细胞和视杆细胞的特定富集模式，并构建AUC达0.81-0.96的机器学习预测模型，为PDR的早期监测和靶向治疗提供新见解。

　　

糖尿病引发的视力危机正成为全球公共卫生挑战，其中增殖性糖尿病视网膜病变(PDR)因其特征性的纤维血管膜(FVM)形成，导致视网膜牵引、出血甚至失明。尽管抗VEGF药物和玻璃体切除术已应用于临床，但高复发率和手术风险凸显了对FVM形成机制深入研究的迫切性。单细胞转录组技术(scRNA-seq)的突破为解析这一复杂病理过程提供了全新视角。

研究人员整合了来自基因表达综合数据库(GEO)的9例PDR患者FVMs和6例健康视网膜的scRNA-seq数据集，通过Seurat软件包进行数据整合与质量控制，保留75,262个高质量细胞。采用统一流形近似与投影(UMAP)降维技术揭示细胞异质性，并对星形胶质细胞、小胶质细胞和视杆细胞进行差异基因表达分析。结合基因本体论(GO)和KEGG通路富集分析，构建蛋白质互作网络(PPI)筛选枢纽基因，最终建立基于机器学习算法的PDR预测模型。

【数据来源与处理】
研究纳入GSE245561(6例PDR)、GSE165784(3例PDR)和GSE230348(6例健康视网膜)三个scRNA-seq数据集，以及GSE102485等批量RNA-seq数据作为补充。经过严格质控后保留12,206个PDR细胞和63,056个健康细胞，通过经典标记基因完成细胞类型注释。

【整合与聚类分析】
UMAP可视化显示PDR样本中髓系细胞比例显著增加(25.7% vs 3.1%)，而光感受器细胞比例降低(18.4% vs 43.2%)。差异表达分析鉴定出PDR星形胶质细胞中HSP90^AB1、VIM等细胞应激标志物上调，小胶质细胞中炎症相关基因CX3CR1⁺亚群扩增，视杆细胞则显示光转导通路基因显著下调。

【功能富集与模型构建】
GO分析揭示PDR细胞外基质(ECM)重构和血管生成通路激活，KEGG显示HIF-1和VEGF信号通路富集。基于PPI网络筛选的20个枢纽基因构建的随机森林模型，在测试集AUC达0.81，外部验证集AUC为0.83-0.96，其中血管生成因子ANGPT2和纤维化标志物TGFβ₁具有最高预测权重。

【讨论与结论】
该研究首次系统描绘了PDR-FVMs的单细胞转录图谱，揭示不同神经胶质细胞的特异性分子特征。发现的ANGPT2/TGFβ₁轴为抗VEGF治疗耐药提供了潜在解释，而机器学习模型为临床无创监测开辟新途径。论文发表于《Experimental Eye Research》，为开发针对FVM多环节的联合治疗策略奠定理论基础，特别是对糖尿病病程长、血糖控制不佳的高危患者具有重要临床价值。