综述：组学技术驱动骨关节炎发病机制分子通路研究新进展

《Connective Tissue Research》：Omics-driven insights into the molecular pathways driving osteoarthritis pathogenesis

这篇综述系统阐述了多组学（multi-omics）技术在骨关节炎（OA）研究中的应用，揭示了基因组学、转录组学、蛋白质组学和代谢组学如何解析OA的分子分型（endotypes）和治疗分型（theratypes），强调通过整合空间蛋白质组学和人工智能（AI）技术突破OA与银屑病关节炎（PsA）鉴别诊断及精准治疗的瓶颈。

　　

引言

骨关节炎（OA）作为最常见的关节炎类型，以关节软骨降解、滑膜炎症和软骨下骨重塑为特征，目前仍缺乏疾病修饰疗法。多组学技术的兴起为解析OA的复杂发病机制提供了新视角，尤其是基因组关联分析（GWAS）揭示了遗传风险位点，而蛋白质组学发现ZA2G、A2AP等生物标志物可预测膝关节OA（KOA）发生（AUC达0.83）。

重大发现

蛋白质组学与代谢组学的突破

通过降解组学分析，研究者鉴定出ADAMTS5、MMP13等蛋白酶在软骨降解中的特异性作用。代谢组学则发现脂质代谢异常（如C17:0脂肪酸减少）与OA进展相关，而空间多组学技术揭示了滑膜免疫细胞耗竭与疼痛的关联。

多组学整合的疾病分型

Huang等通过联合代谢组与转录组分析，将髋关节OA分为炎症主导和能量代谢异常两种分子亚型。Wang团队则利用脂质代谢标志物构建随机森林模型，实现OA的早期预测。

经验启示

空间蛋白质组学解析滑膜异质性

成像质谱流式（IMC）和激光捕获显微切割（LCM）技术显示，滑膜不同微区域存在显著的蛋白表达差异，这为靶向治疗提供了空间定位依据。

OA与PsA的鉴别困境

两种疾病在滑膜-肌腱复合体的炎症和退行性病变中存在重叠，但IL-17/23轴等分子差异提示潜在鉴别靶点。AI模型通过整合microRNA和代谢数据，可提升鉴别准确率。

挑战与展望

当前限制包括样本获取困难、数据复杂性及动物模型转化率低。未来需结合单细胞测序和纵向队列研究，开发基于AI的多组学整合平台，推动OA的精准分型和细胞疗法评估。

结论

多组学技术正引领OA研究进入精准医学时代，从分子机制解析到临床转化，最终实现从对症治疗到疾病修饰的跨越。空间多组学和AI的深度融合将是突破诊疗瓶颈的关键。