基于生物信息学与机器学习整合分析揭示GABARAP和ITCH作为脓毒症合并急性肝衰竭的焦亡相关诊断标志物

本研究针对脓毒症合并急性肝衰竭(ALF)的临床诊断难题，通过整合生物信息学分析、机器学习算法(GSE57065/GSE69528数据集)和动物实验验证，首次鉴定出GABARAP和ITCH两个焦亡(pyroptosis)相关关键基因。研究发现这两个基因通过调节T细胞受体信号通路和免疫细胞浸润(CIBERSORT分析显示CD8+T细胞异常)参与疾病进程，为开发新型诊断标志物和免疫治疗靶点提供了理论依据。

脓毒症作为感染引发的全身炎症反应综合征，常导致多器官功能障碍，其中合并急性肝衰竭(ALF)的患者死亡率高达80%，但两者共病的分子机制尚不明确。现有治疗手段如抗生素和糖皮质激素存在加重肝损伤或诱发感染的矛盾，亟需揭示其共同病理机制。广西中医药大学第一附属医院的研究团队在《Hereditas》发表研究，通过多组学整合分析揭示了焦亡相关基因在脓毒症合并ALF中的诊断价值。

研究采用GEO数据库的脓毒症(GSE57065/GSE69528)和ALF(GSE38941)数据集，结合12种机器学习算法(Naive Bayes/RF+LDA等)筛选特征基因，通过CIBERSORT分析免疫细胞浸润特征，并建立CLP(盲肠结扎穿孔)大鼠模型进行验证。

数据预处理和差异基因分析

对1211个脓毒症差异基因(691上/520下调)和10015个ALF差异基因(5156上/4859下调)进行交叉分析，获得40个焦亡相关交集基因。PPI网络显示这些基因主要富集于PI3K-Akt信号通路和NOD样受体通路。

机器学习构建诊断模型

Naive Bayes算法筛选的39个基因模型在训练集(AUC=0.888)和测试集(GSE145227,AUC=0.875)表现优异。ALF模型中RF+LDA算法鉴定的18个基因与脓毒症模型交叉得到GABARAP和ITCH等10个关键基因，其中GABARAP/ITCH在两组中AUC均>0.7。

Hub基因功能分析

GSEA显示ITCH参与T细胞受体信号通路，GABARAP关联B细胞受体通路。免疫浸润分析发现脓毒症中活化肥大细胞增加而静息CD4⁺T细胞减少，ALF中浆细胞和γδ T细胞异常，两基因与CD8⁺T细胞等呈显著相关性。

动物实验验证

CLP模型肝组织HE染色显示典型病理损伤，免疫组化/qPCR/WB证实GABARAP表达显著升高(P<0.001)而ITCH降低(P<0.01)，与生物信息学预测一致。

该研究首次阐明GABARAP和ITCH可作为脓毒症合并ALF的焦亡相关诊断标志物，其通过调控T细胞免疫应答参与疾病进程。这不仅为理解"脓毒症-ALF"共病机制提供了新视角，更为开发靶向焦亡-免疫调节的治疗策略奠定了理论基础。未来需扩大临床样本验证这两