表皮细胞因子调控的表观基因组-转录组整合参考图谱

《JID Innovations》：An integrative epidermal epigenome-transcriptome reference for cytokine regulation

细胞因子（cytokine）是炎症性及自身免疫性皮肤病中的致病驱动因素和治疗靶点。尽管基于血液的细胞因子研究已凸显遗传与表观遗传调控的重要性，但这些研究无法反映皮肤病中的组织异质性。为刻画皮肤细胞因子的表观遗传调控特征，研究人员收集并分析了120名健康个体配对的表皮DNA甲基化组（DNA methylome）、转录组（transcriptome）及细胞因子谱，建立了一套可应用于外部皮肤病及治疗数据集参考资源。分析共鉴定出4187个与皮肤细胞因子相关的差异甲基化探针（differentially methylated probes，DMPs）及461个差异甲基化且差异表达基因（differentially methylated and expressed genes，DMEGs），揭示了组织特异性的表观遗传调控模式。基于上述DMEGs的RNA表达及DNA甲基化水平，研究人员为每种细胞因子构建了组学风险评分（omics risk scores）。值得注意的是，其中6种细胞因子的转录组学评分在发现队列中展现出相对较高的预测性能（R2范围：30–58%），并在应用于外部公共数据集时表现出与疾病相关的差异。此外，研究人员开发了CytoEpi（https://cytoepi.shinyapps.io/cytoepi/）网络应用程序，以供更广泛的学术社区访问和探索上述细胞因子调控见解。总体而言，本研究建立了健康皮肤中细胞因子调控的基础性多组学参考资源，为推进炎症性皮肤病机制与治疗领域的未来研究提供了有价值的工具。

皮肤细胞因子表观遗传调控的多组学整合研究解读

一、研究背景与科学问题

细胞因子是由免疫细胞和非免疫细胞分泌的信号蛋白及糖蛋白，在调节先天性和适应性免疫、造血、炎症反应、再生、增殖和分化等过程中发挥关键作用。细胞因子失调与多种疾病的病理机制密切相关，皮肤细胞因子水平失衡已被证实与痤疮、特应性皮炎（atopic dermatitis，AD）、银屑病（psoriasis，PSO）及黑色素瘤等炎症性皮肤病相关。细胞因子的基础水平和刺激诱导表达存在显著的个体间差异，受遗传和表观遗传因素共同调控。然而，现有表观遗传研究主要聚焦于血液来源的细胞因子，虽然为循环系统疾病提供了重要见解，但新兴证据表明细胞因子调控机制存在显著的组织异质性，这限制了循环系统研究结果对皮肤病局部病理过程的适用性。细胞因子是多种炎症性和自身免疫性皮肤病的关键治疗靶点，阐明其调控机制将有助于未来开发更精准的靶向治疗策略。因此，研究人员系统研究了健康皮肤中表皮细胞因子的表观基因组和转录组特征，旨在为炎症性皮肤病提供表观遗传调控机制的见解。

二、研究设计与主要技术方法

本研究招募了120名来自中国上海的健康汉族成年志愿者（年龄19–29岁，中位年龄24岁；女性92人占76.67%；冬季采样80人占66.67%；中位BMI为20.07 kg/m2）。所有参与者均提供配对的表皮转录组和DNA甲基化谱以及皮肤细胞因子测量数据。样本通过负压吸疱技术（suction blister technique）采集，该方法较穿刺活检创伤更小，适合大规模队列采样。细胞因子浓度采用Bio-Plex Pro Human Cytokine 48-Plex Panel检测，经质量控制后保留31种SBF细胞因子蛋白，加上IL-1ra/IL-1α比值、皮质醇和乳酸等补充指标，共产生33个SBF测量指标和5个冲洗液测量指标。DNA甲基化分析采用Infinium MethylationEPIC芯片，经质量控制后保留736,460个CpG探针；转录组测序采用Illumina NextSeq500平台，单端75bp测序，最终保留33,814个转录本。差异甲基化分析使用limma包并校正年龄、性别和BMI；差异表达分析使用DESeq2并校正年龄、性别和隐藏批次效应。研究还构建了弹性网络（Elastic Net）回归模型用于分子风险评分，并开发了CytoEpi网络平台。

三、研究结果

参与者人口统计学特征：120名健康志愿者中，38项细胞因子测量中有22项表现出显著的性别相关差异，其中SBF_IL-16和SBF_IL-18在男性中浓度显著升高。IFN-α2和SBF_IL-1Ra在夏季显著升高，而SBF_CTACK在冬季较高。SBF_HGF与BMI呈显著正相关。

皮肤细胞因子景观及其决定因素：大多数皮肤细胞因子之间呈正相关，来自前额角质层和皮肤水疱液的细胞因子表现出分层模式，且在性别分层亚组中保持一致。SBF和冲洗液细胞因子簇的分离与细胞因子调控的解剖部位特异性一致。

皮肤细胞因子DMPs及其功能富集：共鉴定出5409个关联，涵盖4187个DMPs，其中2623个注释到1837个差异甲基化基因（differentially methylated genes，DMGs）。DMPs主要位于基因间区（37.35%）和基因体区（35.13%）。eForge v2.0富集分析显示细胞因子DMPs在增强子和启动子区域富集最强，尤其是CXC和CC趋化因子。GO富集分析显示DMGs密切反映各类细胞因子的固有功能。

皮肤细胞因子DMEGs的鉴定：整合转录组数据后，鉴定出461个差异甲基化且差异表达基因（DMEGs），涵盖657个差异甲基化且差异表达探针（DMEPs）。在TSS附近的187个DMPs中，123个（65.78%）表现出经典的启动子相关反向模式。基于DMEGs构建的基因调控网络显示，CXC/CC趋化因子和其他炎症细胞因子表现出广泛的表观遗传调控，而生长因子和干扰素的调控较少。SBF_GRO-α（CXCL1）关联的DMEGs数量最多。鉴定出7个与4种或以上细胞因子相关的枢纽DMEGs。PPI网络MCODE聚类鉴定出5个功能模块，分别富集于生长因子受体信号传导和MAPK级联激活、神经元投射发育、Wnt信号调控、mRNA剪接机制以及酶联受体信号传导等通路。

皮肤细胞因子分子风险评分的构建：基于DMEGs和DMEPs，使用弹性网络回归模型构建分子风险评分。33个SBF指标中，多组学模型的中位测试R²为15%，表观遗传模型为18.5%，转录组模型为15%。10种细胞因子表现出相对较高的预测性能（多组学R² > 0.30）。重复测量方差分析显示三种模型类型间存在显著差异，多组学模型显著优于单一组学模型。6种细胞因子（SBF_MCP-1、SBF_IL-8、SBF_IL-6、SBF_IFN-γ、SBF_IL-1Ra和SBF_IL-2Rα）的转录组风险评分因转录组R² > 0.30而被选用于外部验证。

CytoEpi实现跨皮肤病多组学细胞因子分析：研究人员开发了CytoEpi网络平台，提供三个核心功能：网络搜索、转录组风险评分和细胞因子富集分析。将转录组风险评分应用于12个独立基因表达数据集（涵盖银屑病、特应性皮炎、系统性硬化症、黑色素瘤和反常性痤疮，以及3个银屑病生物制剂治疗队列），结果显示IL-1Ra、IL-6、IL-2Rα、IL-8和MCP-1在皮损皮肤中相对于健康对照持续上调，而IFN-γ在银屑病皮损中下调。在brodalumab（抗IL-17RA）、adalimumab（抗TNF-α）和guselkumab（抗IL-23）治疗后，IL-1Ra、IL-6、IL-2Rα、IL-8和MCP-1评分较治疗前基线降低，而IFN-γ呈上升趋势。疾病与治疗情境中这些变化的相反方向提供了转录组风险评分能够捕捉生物学上有意义的细胞因子动态而非技术伪影的证据。

四、讨论与结论

本研究系统揭示了健康皮肤中细胞因子调控的表观遗传网络。皮肤细胞因子水平受性别、采样季节和BMI等宿主因素显著影响。DMPs主要位于皮肤转录活跃区域（增强子和启动子），支持DNA甲基化在组织特异性调控景观中的作用。不同细胞因子家族表现出不同的表观遗传模式：趋化因子的DMPs与细胞形态发生和粘附通路相关，生长因子与促有丝分裂信号通路相关，IL-1家族与骨骼发育相关，干扰素与泛素化依赖性信号机制相关，γ链细胞因子与细胞应激反应通路相关。GRO-α（CXCL1）表现出最高的DMEGs关联数，研究人员鉴定出磷酸二酯酶-4B（PDE4B）作为GRO-α的调控因子，提示PDE4B选择性抑制可能为炎症性皮肤病提供治疗潜力。研究还发现预测特征并非细胞因子编码基因本身，而是相关调控网络中的基因，表明模型捕捉的是上游调控程序而非直接表达或甲基化。研究存在样本量有限、年龄分布狭窄、横断面设计、R²可能偏乐观以及外部数据集未预先注册等局限性。总之，本研究建立了健康皮肤细胞因子调控的基础性多组学参考资源，CytoEpi平台将增强对皮肤免疫调节的基础理解，为炎症性皮肤病病理机制的未来研究奠定基线资源。