乳铁蛋白(LTF)基因作为非特异性眼眶炎症预后生物标志物的多组学整合研究

本研究针对非特异性眼眶炎症(NSOI)这一病因不明的免疫介导性眼病，通过整合GSE58331和GSE105149数据集，结合机器学习与孟德尔随机化分析，首次揭示乳铁蛋白(LTF)基因可作为NSOI诊断标志物。研究人员运用WGCNA、LASSO回归和SVM-RFE算法筛选出28个枢纽基因，发现LTF与浆细胞、B细胞等免疫细胞浸润显著相关，其表达水平可有效区分NSOI与正常组织(AUC=0.685)。该发现为NSOI的分子机制研究和精准诊疗提供了新思路。

　　

在眼科疾病谱中，非特异性眼眶炎症(Nonspecific orbital inflammation, NSOI)始终是个难解的谜题。这种被冠以"特发性"之名的疾病，占眼眶病变的6-16%，却缺乏明确的病因学解释。临床表现为眼睑肿胀、眼球突出甚至视力受损的NSOI患者，常常需要经历繁琐的鉴别诊断过程——从甲状腺眼病到淋巴增生性疾病，医生们如同在迷雾中摸索。更棘手的是，当前治疗主要依赖糖皮质激素和免疫抑制剂，但约30%患者会出现复发。这种"治标不治本"的困境，根源在于对NSOI分子机制的认知空白。

湖南中医药大学的研究团队决心揭开这层神秘面纱。他们敏锐地注意到，乳铁蛋白(Lactotransferrin, LTF)这个具有多重免疫调节功能的铁结合糖蛋白，可能在NSOI中扮演关键角色。通过整合GEO数据库中GSE58331和GSE105149两个转录组数据集，研究团队构建了一套创新的分析流程：首先用加权基因共表达网络分析(WGCNA)锁定与疾病最相关的基因模块，再通过Lasso回归和支持向量机递归特征消除(SVM-RFE)等22种机器学习算法筛选枢纽基因，最后借助孟德尔随机化验证基因与疾病的因果关系。这种多组学整合策略不仅提高了发现效率，更确保了结果的可靠性。

关键技术方法包括：从GEO获取NSOI转录组数据并进行批次校正；WGCNA构建共表达网络(软阈值β=20/9)；应用22种机器学习算法筛选特征基因；CIBERSORT算法量化22种免疫细胞浸润；双样本孟德尔随机化分析LTF与NSOI的因果关系(显著性阈值P<5×10^-8)。

DEG和WGCNA基因鉴定

研究团队在1332个差异表达基因(DEGs)中发现ADAM8、IGLC1等基因在NSOI组显著上调，而HLF、SIK2等基因在对照组高表达。WGCNA分析显示蓝色模块与疾病状态相关性最强(r=0.68)，该模块中的基因富集在免疫应答通路。这种模块化分析策略成功规避了传统差异分析忽略基因互作的局限。

模型构建与富集分析

通过机器学习筛选出的28个枢纽基因中，LTF表现尤为突出。功能富集显示这些基因主要参与"DNA结合转录激活"、"细胞因子介导的信号通路"等生物过程，KEGG通路分析则突出"唾液分泌"和"cAMP信号通路"的重要性。值得注意的是，LTF共表达基因集在"视网膜稳态"和"组织稳态"通路显著富集，暗示其在眼内环境平衡中的核心作用。

免疫景观特征

CIBERSORT算法绘制的免疫图谱揭示：LTF高表达组中浆细胞和初始B细胞显著增加，而记忆B细胞、M2型巨噬细胞等则呈负相关。这种独特的免疫细胞"配伍模式"为理解NSOI的免疫失调提供了新视角——LTF可能通过调节B细胞分化参与疾病进程。

孟德尔随机化验证

基于10,534,735个SNP的分析证实LTF表达与NSOI存在因果关系(IVW P<0.05)。这一发现将相关性上升至因果层面，排除了环境混杂因素的影响，为LTF的临床应用提供了遗传学证据。

这项发表于《BMC Pharmacology and Toxicology》的研究，首次系统论证了LTF作为NSOI生物标志物的潜力。其创新价值体现在三方面：方法学上，开创性地融合多组学数据和机器学习；机制上，揭示LTF-免疫微环境互作网络；临床上，为NSOI的精准分型和靶向治疗提供新靶点。正如讨论部分强调的，LTF不仅是简单的生物标志物，更可能是连接感染、免疫失调和眼眶炎症的"分子桥梁"。未来研究可进一步探索重组LTF蛋白的治疗价值，或开发针对LTF信号通路的小分子调节剂。这项研究也为其他"特发性"炎症疾病的机制研究提供了可借鉴的分析范式。