《Life》：Gamma-Glutamyl Transferase and Cognitive Outcomes: A Cross-Species Analysis and Hepatic Transcriptomic Signature
编辑推荐：
在慢性阻塞性肺疾病（COPD）背景下，理解不同细胞类型中的基因表达模式对于疾病认知、治疗开发及患者预后改善至关重要。然而，免疫细胞与结构细胞之间的复杂相互作用及其在COPD发病机制中的意义仍仅被部分阐明。本研究采用多种机器学习技术，以识别COPD患者与健康个体
在慢性阻塞性肺疾病（COPD）背景下，理解不同细胞类型中的基因表达模式对于疾病认知、治疗开发及患者预后改善至关重要。然而，免疫细胞与结构细胞之间的复杂相互作用及其在COPD发病机制中的意义仍仅被部分阐明。本研究采用多种机器学习技术，以识别COPD患者与健康个体之间表现出显著变化的标志基因。研究人员利用六种特征选择算法（LASSO、LightGBM、MCFS、RF、CATboost和XGBoost）及三种分类方法（决策树DT、K近邻KNN和随机森林RF）分析单细胞患者数据。细胞被分为两个子集：免疫细胞和上皮-基质细胞。每个细胞包含21,237个基因，并被标记为健康对照或COPD。研究人员鉴定出一批有前景的基因，例如FKBP5（编码对应蛋白对压力反应调控至关重要）和SCGB3A1（主要在呼吸道表达，对调节肺功能至关重要）。这两个基因均与COPD显示出强相关性。该研究还强调了HLA-DRB1和HSP90AA1在COPD发病机制中的潜在作用。研究人员的发现凸显了机器学习在识别如COPD等复杂疾病遗传标志物方面的巨大潜力，为靶向治疗的进步铺平了道路。
一、研究背景与目的
慢性阻塞性肺疾病（COPD）是一种全球性的慢性进行性肺部疾病，其特征为不完全可逆的进行性气流受限，主要由长期暴露于有害颗粒或气体（尤其是烟草烟雾）引起。其发病机制涉及持续性炎症、氧化应激、蛋白酶-抗蛋白酶失衡以及组织修复异常等多方面因素。免疫系统在驱动COPD的炎症过程中发挥关键作用，包括中性粒细胞、巨噬细胞、T淋巴细胞和B淋巴细胞在内的免疫细胞介导了呼吸道和肺组织的炎症。同时，结构细胞如上皮细胞和基质细胞也参与COPD的发病，上皮层作为抵御吸入刺激物的首要防线，而基质细胞则提供肺部结构完整性并参与组织修复与重塑。尽管已有大量研究，但免疫细胞与上皮-基质细胞之间复杂的相互作用及其在COPD发病机制中的具体意义仍未完全阐明。因此，本研究旨在利用单细胞测序数据和多种机器学习算法，识别COPD患者与健康对照之间特定细胞类型（免疫细胞和上皮-基质细胞）中具有显著差异表达的基因和规则，从而加深对COPD发病机制的理解，促进早期诊断、预后评估、个性化治疗和药物开发。
二、主要关键技术方法
研究人员使用了来自GEO数据库的两个公开单细胞数据集（GSE171541和GSE136831）。数据按细胞类型分为两个子数据集：免疫细胞和上皮-基质细胞。研究人员采用六种特征排序算法（LASSO、LightGBM、MCFS、RF、CATboost、XGBoost）对所有21,237个基因进行重要性评分和排序。随后，应用增量特征选择（IFS）方法，结合合成少数类过采样技术（SMOTE）平衡类别，并使用三种分类算法（决策树DT、K近邻KNN、随机森林RF）在特征子集上构建预测模型，通过十折交叉验证评估模型性能。最终确定了最优预测模型和关键基因集。
三、研究结果
3.1 基于四个子数据集的分类模型性能
对于GSE136831的上皮-基质细胞子数据集，KNN和RF模型表现优于DT模型。最佳模型为应用于LASSO列表的KNN模型，使用195个基因时F1值达到0.871。对于GSE136831的免疫细胞子数据集，KNN模型在所有列表中表现突出，其中应用于XGBoost列表的KNN模型，使用165个基因获得最高F1值0.886。对于GSE171541的上皮-基质细胞子数据集，RF模型始终优于其他两种模型，最佳模型为应用于LightGBM列表的RF模型，仅需105个基因即达到0.929的F1值。对于GSE171541的免疫细胞子数据集，RF模型同样表现最佳，应用于LightGBM列表的模型使用70个基因即取得0.947的最高F1值。
3.2 最佳模型的患者水平测试
在患者水平上，通过对同一患者所有细胞的原始UMI计数求和并进行标准化处理，评估最佳模型的性能。结果显示，在GSE136831的两个子数据集上，患者水平测试的F1值均高于0.9且优于细胞水平测试；而在GSE171541的上皮-基质细胞子数据集上，患者水平性能低于细胞水平测试。总体而言，患者水平测试结果与细胞水平测试结果接近，表明通过细胞水平测试鉴定的特征/基因是有效的。
3.3 四种子数据集中多个算法识别的关键基因
研究人员通过交集分析，识别出在两个数据集中共同出现的共享关键基因。在上皮-基质细胞类型中，共发现35个共享基因；在免疫细胞类型中，共发现41个共享基因。这些基因在不同数据集和算法中一致地被识别为与COPD发病机制密切相关。
3.4 关键基因在不同数据集中的表达趋势
对于共享的35个上皮-基质细胞基因和41个免疫细胞基因，研究人员计算了各数据集中基因表达的差异倍数（Fold Change）。结果表明，一些排名靠前的基因如FKBP5、EGR1和SCGB3A1在两个数据集的相同细胞类型中均呈现一致的上升趋势，证实了稳健遗传标志物的成功识别。然而，部分基因的表达模式存在差异，这可能归因于数据集间细胞亚型及其比例的差异。
3.5 基于DT算法的定量分类规则
DT算法虽然整体分类性能不及RF和KNN，但其预测过程具有良好的可解释性。通过分析DT模型，研究人员获得了定量的分类规则，这些规则代表了不同类别标签下关键基因的表达水平阈值，有助于理解COPD中关键基因表达变化的生物学意义。
四、讨论与结论
讨论部分总结：
在免疫细胞中，FKBP5基因被六个特征排序算法在两个数据集中一致识别。FKBP5编码的蛋白调控免疫趋化因子白细胞介素-8（IL-8），并通过增强核因子κB（NF-κB）调控激酶的相互作用加剧炎症。此外，FKBP5是糖皮质激素受体的负调控因子，可能导致皮质类固醇不敏感性，提示其作为COPD治疗靶点的潜力。CXCL8（一种促炎细胞因子）被多个算法识别，其主要功能是招募和激活中性粒细胞，高水平的CXCL8与肺功能下降和疾病严重程度增加相关。HLA-DRB1（人类白细胞抗原DRβ链）在两个数据集中均被识别，其可能通过介导T细胞驱动的自身免疫反应参与COPD发病。HSP90AA1（热休克蛋白90α）被多个算法识别，其在COPD诱导的鳞状细胞肺癌发生中起关键作用，且低表达与较差的总生存率相关。在上皮-基质细胞中，SCGB3A1和SCGB3A2（分泌球蛋白家族成员）被反复识别，它们在COPD患者异常的肺泡II型（ATII）细胞亚群中表达升高，可能参与受损的肺泡组织再生。HSPA1A（热休克蛋白70家族成员）在COPD患者血清和支气管活检中表达显著升高，与疾病严重程度和吸烟状态相关。MUC5AC（黏蛋白）基因被识别，其过度表达导致COPD患者黏液过量产生，与肺功能下降和急性加重频率增加相关。研究局限性包括：不同数据集间的异质性可能影响结果的重复性和普适性；将细胞合并为两大亚群可能引入细胞亚型比例偏差；患者水平测试不够充分；跨数据集独立验证性能不佳；研究本质为计算预测性，需要后续实验功能验证。
结论部分翻译：
在本研究中，利用单细胞测序数据，通过采用多种机器学习算法，研究人员识别出了区分COPD患者与健康对照的判别性基因和模式。研究人员的发现阐明了COPD背后的复杂机制，为确定潜在的治疗靶点和制定更有效的治疗策略铺平了道路。研究人员对免疫细胞和基质细胞的强调突出了它们作为新型COPD疗法有前景方向的潜力。例如，针对中性粒细胞或巨噬细胞的干预措施可以减轻肺部炎症，从而减缓COPD进展。同样，靶向成纤维细胞或平滑肌细胞可能减少气道重塑，从而改善肺功能。鉴于此处使用的细胞水平验证和广泛的细胞聚集，这些发现代表的是产生假说的区室水平特征，在作为患者水平生物标志物应用于临床之前，需要进行供体水平和细胞类型特异性的验证。
