《Frontiers in Immunology》：Prognostic utility of immune biomarkers for identifying individuals at risk of unfavourable treatment outcomes in pulmonary tuberculosis
编辑推荐：
摘要专业翻译
引言： 结核病（Tuberculosis，TB）仍是全球重大健康挑战，尽管接受标准治疗，仍有大量患者出现不良治疗结局。宿主免疫生物标志物，包括细胞因子（cytokines）、趋化因子（chemokines）和基质金属蛋白酶（matrix meta
摘要专业翻译
引言： 结核病（Tuberculosis，TB）仍是全球重大健康挑战，尽管接受标准治疗，仍有大量患者出现不良治疗结局。宿主免疫生物标志物，包括细胞因子（cytokines）、趋化因子（chemokines）和基质金属蛋白酶（matrix metalloproteinases，MMPs），在预测疾病严重程度和治疗应答方面显示出良好前景，但需在独立队列中进行验证。
方法： 研究人员利用RePORT India联盟内一项巢式病例-对照队列（病例组：n=74；对照组：n=161）的基线血浆样本，对既往已识别的免疫生物标志物进行了验证。采用Luminex平台上的多重ELISA技术定量检测了细胞因子（IL-2、IFN-γ、TNF-α、IL-6、IL-1β、IL-10、IL-17A和GM-CSF）、趋化因子（CCL2、CCL3、CCL4、CXCL1、CXCL8和CXCL10）以及基质金属蛋白酶（MMP-1、MMP-2、MMP-7和MMP-9）。统计分析包括组间比较、ROC分析、逻辑回归、随机森林建模、主成分分析和稳定性选择，以确定最优生物标志物组合。
结果： IL-2、IFN-γ、TNF-α、IL-6、CCL2、CXCL8、CXCL10、MMP-2、MMP-7和MMP-9水平升高与不良结局相关。IL-2、CXCL8、CCL2和MMP-2表现出较强的个体预测性能（AUC ≥0.80）。多变量分析确定CCL2、CXCL8和CXCL10为不良结局的显著预测因子。由CXCL8、MMP-2和CCL2组成的联合生物标志物组合展现出优异的预测准确性（AUC ~0.90），灵敏度范围为89%至98%，特异度范围为80%至90%，具体取决于生物标志物组合及所选ROC截断值。
讨论： 这些发现验证了关键免疫生物标志物，并支持采用多标志物宿主生物标志物组合用于早期风险分层和个体化结核病管理。
论文解读文章
一、研究背景与科学问题
结核病（Tuberculosis，TB）由结核分枝杆菌（Mycobacterium tuberculosis）引起，仍是全球发病率和死亡率的主要原因之一，尤其在低收入和中等收入国家负担沉重。肺结核（Pulmonary TB，PTB）作为最常见的形式，驱动了大部分结核传播和疾病负担。尽管标准抗结核化疗方案总体有效，但仍有约10.6%的患者出现治疗失败、复发或死亡等不良治疗结局（unfavourable treatment outcomes），这凸显了改善预后工具和个体化治疗策略的迫切需求。
目前肺结核的诊断依赖于临床评估结合细菌学、分子生物学和影像学检查。传统方法如痰涂片镜检、分枝杆菌培养和药敏试验虽各有价值，但培养周期长可能延误临床决策；胸部X线检查虽能发现肺部异常，但缺乏确认活动性结核的特异性。近年来，宿主生物标志物方法被探索用于改善诊断和风险分层。宿主免疫生物标志物，包括细胞因子、趋化因子和基质金属蛋白酶（MMPs），在预测疾病严重程度和治疗应答方面显示出潜力。然而，许多生物标志物是在发现队列中识别的，需要在不同人群和临床环境中进行稳健验证后才能转化为临床应用。
基于此，研究人员提出假设：基线血浆中特定细胞因子、趋化因子和MMPs浓度与后续不良结核治疗结局相关，且组合来自不同免疫通路的生物标志物可提高预测性能。本研究旨在利用RePORT（Regional Prospective Observational Research for Tuberculosis）India联盟中四个独立队列的充分表征样本，验证这些生物标志物的可重复性和预测性能，从而确定一组与不良结局持续相关的精炼生物标志物组合。
二、研究设计与关键方法
本研究为巢式病例-对照研究设计，纳入RePORT India联盟临床研究队列中四个不同研究点的参与者。纳入标准为新诊断肺结核患者，年龄18至67岁，具有临床或微生物学确认。排除标准包括既往接受过任何结核病治疗、入组前接受超过7天的事件结核治疗、筛选前30天内接受超过7剂氟喹诺酮类药物、入组痰培养分离出耐药结核分枝杆菌、妊娠或哺乳期、HIV血清阳性或服用免疫抑制药物、确诊自身免疫或自身炎症性疾病、活动性合并感染或其他临床显著感染性疾病，以及当前或既往恶性肿瘤。
病例定义为出现不良治疗结局者（n=74），包括40例治疗失败、17例死亡和17例复发；对照定义为直至研究结束无复发治愈者（n=161），按1:2比例匹配。治愈定义为治疗第5和第6个月痰培养阴性且随访期间无复发；治疗失败定义为第5或第6个月痰培养阳性；死亡包括结核治疗期间的全因死亡；复发定义为第6个月初始治愈但在研究结束前经培养证实疾病再现。
主要技术方法包括：采用Human Magnetic Luminex Discovery Assay（R&D Systems）在Luminex 200平台上通过多重ELISA定量检测18种免疫介质，包括8种细胞因子（IL-2、IFN-γ、TNF-α、IL-6、IL-1β、IL-10、IL-17A、GM-CSF）、6种趋化因子（CCL2、CCL3、CCL4、CXCL1、CXCL8、CXCL10）和4种MMPs（MMP-1、MMP-2、MMP-7、MMP-9）。统计分析包括Mann-Whitney U检验进行组间比较、受试者工作特征（ROC）曲线分析评估单个生物标志物的诊断性能、单因素和多因素逻辑回归评估生物标志物与疾病状态的关联、随机森林算法进行特征选择、主成分分析（PCA）进行降维和聚类可视化，以及基于bootstrap重采样的稳定性选择分析（1000次迭代）评估生物标志物选择的稳健性。
三、研究结果
研究人群的人口学特征： 病例组中位年龄42岁，对照组39岁；病例组男性60例，对照组男性125例。两组在年龄、性别、BMI、咳嗽状况、吸烟、饮酒、胸部X线评分和空洞存在方面无显著差异。但糖尿病组（P=0.014）、痰涂片状态（P=0.0045）和固体培养状态（P=0.0012）存在显著差异，液体培养状态无显著差异。
血浆细胞因子水平作为不良治疗结局的免疫标志物： 在8种检测的细胞因子中，IL-2、IFN-γ、TNF-α和IL-6表现出强统计学显著性（p<0.0001），IL-1β也显示显著差异（p=0.0090），而IL-17A、IL-10和GM-CSF无显著差异。ROC分析显示，IL-2的AUC为0.8（灵敏度81%，特异度81%），TNF-α的AUC为0.8（灵敏度76%，特异度87%），IL-6的AUC为0.7（灵敏度50%，特异度81%），IFN-γ的AUC为0.69（灵敏度82%，特异度61%），IL-1β的AUC为0.6。组合ROC分析中，IL-2+IFN-γ+IL-6组合产生AUC为0.9的判别能力（灵敏度81%，特异度90%），表明多标志物组合比单一标志物具有更好的预测价值。
血浆趋化因子水平作为不良治疗结局的免疫标志物： 在6种检测的趋化因子中，CCL2、CCL4、CXCL1、CXCL8和CXCL10均显示统计学显著差异（p<0.0001），而CCL3无显著关联。ROC分析显示，CXCL8的AUC为0.9（灵敏度91%，特异度62%），CCL2的AUC为0.89（灵敏度80%，特异度80%），CXCL10的AUC为0.79，CCL4的AUC为0.8。组合分析中，CCL2+CXCL8+CXCL10三标志物组合（Combo IV）达到最高诊断性能，AUC为0.929，灵敏度90%，特异度82%，显著优于任何单一趋化因子。
血浆MMPs水平作为不良治疗结局的免疫标志物： 在4种检测的MMPs中，MMP-2、MMP-7和MMP-9显示强统计学显著差异（p<0.0001），MMP-1显示显著结果（p=0.0079）。ROC分析显示，MMP-2的AUC为0.8（灵敏度89%，特异度70%），MMP-9的AUC为0.8（灵敏度90%，特异度63%），MMP-7的AUC为0.7，MMP-1的AUC为0.6。组合分析中，MMP-2+MMP-7+MMP-9组合及四种MMPs全组合均达到AUC为0.9的性能。
生物标志物的诊断性能： 在18种检测标志物中，IL-2（AUC=0.81）、CXCL-8（AUC=0.81）、CCL-2（AUC=0.78）和MMP-2（AUC=0.82）表现出相对更好的诊断性能，具有较一致和平衡的准确性。CXCL-8具有最高的阳性预测值（97.3%），CCL-2具有最高的特异度（99.0%）。
生物标志物与疾病状态的关联： 单因素逻辑回归分析显示，IL-2（OR: 5.6）、IFN-γ（OR: 3.76）、TNF-α（OR: 2.91）、IL-6（OR: 2.16）与疾病状态显著相关（p<0.001）。趋化因子中，CCL2显示最强关联（OR: 29.2，p<0.001），其次为CXCL8（OR: 7.16）、CCL4（OR: 6.41）和CXCL10（OR: 5.82）。所有MMPs均与疾病状态显著相关。经年龄、性别、BMI、吸烟和饮酒调整后，这些关联基本保持不变。CCL2仍是最稳健的预测因子（aOR: 38.00，p<0.001），其次为CXCL8（aOR: 8.26）、CXCL10（aOR: 6.92）和CCL4（aOR: 6.41）。
随机森林变量重要性和主成分分析： 基于平均准确率下降的变量重要性排序，选定最终标志物组合后分类性能显著提升。PCA双标图显示病例和对照组在优化特征集上有清晰的组间分离，95%置信椭圆叠加，红色向量表示各生物标志物在PC1和PC2上的载荷方向和强度。
特征选择稳定性分析： 基于bootstrap重采样（1000次迭代）的稳定性分析显示，高选择概率（接近100%）的标志物在不同数据集变异下保持一致影响力，验证了所识别生物标志物用于一致性疾病分类的可靠性。
潜在生物标志物组合的选择： 基于前述分析，预测不良治疗结局最有前景的三个生物标志物为CXCL8、MMP-2和CCL2。所有测试组合均显示高诊断准确性，AUC为0.9，灵敏度范围89%-98%，特异度范围80%-90%。MMP-2+CXCL-8+CCL-2组合显示出最高的特异度和AUC，被确定为领先诊断组合。
四、讨论总结与研究结论
本研究在RePORT India联盟的独立队列中全面验证了既往识别的免疫生物标志物，证明细胞因子、趋化因子和MMPs与不良结核治疗结局显著相关。IL-2、IFN-γ、TNF-α、IL-6、CXCL8、CXCL10、CCL2、MMP-2、MMP-7和MMP-9等多项标志物显示出一致的可重复性和判别能力，强化了发现阶段的发现。研究整合了ROC分析、随机森林特征重要性、PCA和稳定性选择等先进统计和机器学习方法，识别出CXCL8、MMP-2和CCL2组成的精炼标志物组合，预测准确性高（AUC约0.9），证明了多标志物方法优于单一生物标志物。
研究局限性包括依赖单一区域外部验证，需在多样化国际队列中进一步测试以确保普适性；仅在单一时间点评估生物标志物，无法评估治疗过程中趋化因子和MMPs的动态变化；利用存档基线样本的回顾性设计可能限制对参与者选择和数据完整性的控制。
研究结论：本研究证明所选血浆趋化因子和基质金属蛋白酶的组合，特别是CXCL-8、MMP-2和CCL-2，作为预测不良或不利治疗应答的生物标志物组合具有良好前景。这些标志物的各种组合持续表现出高诊断性能，AUC为0.9，灵敏度和特异度均衡。研究为宿主免疫生物标志物提供了有力验证，并突显了一个用于预测不良结核治疗结局的稳健多标志物组合，代表了向临床适用预后工具开发迈出的重要一步，可实现改善的风险分层和更个体化的结核病患者管理。
