《Frontiers in Immunology》：MELD-S prognostic model: development and external validation for 90-day mortality prediction in acute-on-chronic liver failure
编辑推荐：
摘要专业翻译
背景与目的： 慢加急性肝衰竭（ACLF）的准确预后评估仍是临床面临的重大挑战。现有模型（如终末期肝病模型，MELD）仅依赖临床指标，未纳入可能与肝再生过程相关的分子生物标志物。本研究旨在通过生物信息学识别关键再生相关基因，将最具前景的生物标志物与
摘要专业翻译
背景与目的： 慢加急性肝衰竭（ACLF）的准确预后评估仍是临床面临的重大挑战。现有模型（如终末期肝病模型，MELD）仅依赖临床指标，未纳入可能与肝再生过程相关的分子生物标志物。本研究旨在通过生物信息学识别关键再生相关基因，将最具前景的生物标志物与临床参数整合，构建新型90天死亡风险预测模型，并验证其在改善ACLF风险分层中的性能。
方法： 从基因表达综合数据库（GEO）获取ACLF队列（GSE139602）和肝再生数据集（GSE15239）的转录组数据。筛选差异表达基因（DEGs），随后进行功能富集分析和蛋白质-蛋白质相互作用（PPI）网络构建。2023年8月至2024年7月，前瞻性纳入64例ACLF患者，并根据90天结局进行分组。经年龄、性别、MELD评分及并发症1:1倾向性评分匹配后，选取50例患者（25例存活、25例死亡）作为开发队列。另于2024年8月至2025年7月纳入52例ACLF患者，经相同匹配后，40例患者（20例存活、20例死亡）构成独立外部验证队列。匹配后的开发队列用于探索性模型构建，独立外部验证队列用于评估可重复性。采用酶联免疫吸附试验（ELISA）检测核心基因（SGK1、GADD45β、FOXO1）编码蛋白的血清水平。通过多变量logistic回归构建整合MELD评分与SGK1的MELD-S模型。在开发队列和外部验证队列中，通过ROC分析、校准曲线、Hosmer-Lemeshow检验及决策曲线分析（DCA）评估模型性能，并绘制列线图用于可视化。
结果： 生物信息学分析识别出20个在ACLF和肝再生中共同异常表达的关键基因，富集于转录相关功能和FOXO信号通路。SGK1、GADD45β和FOXO1被确定为候选再生相关基因，具有显著的蛋白质相互作用。在开发队列中，死亡组血清SGK1、GADD45β、FOXO1、凝血酶原时间（PT）和国际标准化比值（INR）水平显著高于存活组（均P < 0.05）。血清SGK1水平与MELD评分呈正相关（r = 0.316，P = 0.027），且SGK1被确定为90天死亡率的独立危险因素（OR = 3.955，95% CI：1.486–10.525，P = 0.006）。整合的MELD-S模型AUC为0.865（95% CI：0.767–0.963），判别能力优于单独MELD（AUC = 0.735）或单独SGK1（AUC = 0.832）。在独立外部验证队列中，MELD-S模型AUC为0.725（95% CI：0.563–0.887，P = 0.015），而开发队列表观AUC为0.865。开发队列的Bootstrap内部验证得出乐观校正后AUC为0.842。
结论： SGK1是与ACLF疾病严重程度和生物应激反应相关的独立预后生物标志物。MELD-S模型显示出有前景的预后性能，可能具有潜在临床实用性，为风险评估和个体化风险分层提供了实用工具。SGK1与ACLF结局之间的生物学机制（包括SGK1–FOXO1通路的潜在参与）仍属假设，需在未来的研究中通过直接机制验证加以证实。
论文主体内容解读
一、研究背景与问题
慢加急性肝衰竭（ACLF）是在慢性肝病基础上出现的急性失代偿综合征，常由感染、酒精或药物等因素诱发，以多器官功能衰竭和高短期死亡率为特征，给全球医疗系统带来沉重负担。流行病学数据显示，ACLF约占全球失代偿性肝硬化住院患者的35%，其中南亚地区患病率最高可达65%。尽管现有的预后评估工具如终末期肝病模型（MELD）、EASL-CLIF联盟评分以及ACLF特异性评分系统（如CLIF-C ACLF、AARC和COSSH-ACLF评分）在临床实践中广泛应用，但这些模型主要反映肝损伤程度和全身损伤状况，均未纳入能够反映肝再生能力的分子生物标志物。越来越多的证据表明，肝细胞再生受损是导致ACLF不良结局的核心病理特征，而现有预后工具仅捕捉损伤程度却无法反映恢复能力，这是当前预后评估体系的重要局限性。此外，ACLF的治疗策略仍然有限，肝移植是唯一根治性手段但受供体短缺和高昂成本制约，人工肝支持系统及干细胞疗法的最终成功也取决于残存肝细胞的固有再生能力。因此，构建整合肝细胞再生功能分子标志物的预后模型，对于识别最可能从特定干预中获益的患者亚群至关重要。
二、研究设计与核心发现
针对上述未满足的临床需求，研究人员整合了生物信息学发现与前瞻性临床验证，旨在识别候选肝再生相关基因、评估其预后相关性，并开发适用于ACLF的临床预后工具。研究最终确定了血清SGK1（血清/糖皮质激素调节激酶1，一种丝氨酸/苏氨酸激酶）作为ACLF中与疾病严重程度相关的独立预后生物标志物，并在此基础上构建了整合SGK1与MELD评分的MELD-S预测模型。在开发队列中，MELD-S模型AUC达0.865，优于单独MELD（0.735）和单独SGK1（0.832）；在外部验证队列中AUC为0.725，bootstrap内部验证乐观校正后AUC为0.842。该模型仅需在常规MELD评分基础上增加一次血清SGK1检测，为ACLF风险评估提供了一种实用的生物标志物辅助工具。
三、主要关键技术方法
研究人员首先从基因表达综合数据库（GEO）获取两个公开人类肝组织表达数据集：GSE139602（含8例ACLF患者和6例健康对照的肝活检转录组）和GSE15239（含部分肝切除术后和健康对照的人肝样本），使用“limma”包筛选差异表达基因（DEGs），取两者交集获得肝再生相关候选基因。随后利用clusterProfiler包进行基因本体论（GO）和京都基因与基因组百科全书（KEGG）通路富集分析，并借助STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用（PPI）网络。临床验证部分，研究人员于2023年8月至2024年7月在河北医科大学第三医院前瞻性纳入64例ACLF患者，经1:1倾向性评分匹配（PSM）后选取50例（25例存活、25例死亡）作为开发队列；另于2024年8月至2025年7月纳入52例ACLF患者，经相同匹配后40例（20例存活、20例死亡）构成独立外部验证队列。采用酶联免疫吸附试验（ELISA）检测血清SGK1、GADD45β和FOXO1水平，通过多变量logistic回归构建MELD-S模型，并以ROC分析、校准曲线、Hosmer-Lemeshow检验和决策曲线分析（DCA）评估模型性能。
四、研究结果
4.1 肝细胞再生相关核心基因的鉴定
研究人员以|log2FC| > 1和FDR < 0.05为阈值，在GSE139602数据集中识别出1570个ACLF患者与健康对照之间的DEGs（793个上调、777个下调）；在肝再生数据集GSE15239中识别出277个DEGs（204个上调、73个下调）。交集分析确定了20个在ACLF中下调且在肝再生中上调的基因，包括PHLDA1、ADM、APOLD1、GADD45β、CYTIP、NFIL3、TIPARP、PNRC1、SGK1、KLHL15、CREM、C9orf72、DDX21、FCGR3B、FOXO1、NR5A2、RGS2、SAMSN1、ZFAND5和OSBPL11。鉴于公共数据集样本量有限，SGK1、GADD45β和FOXO1被优先确定为候选再生相关基因进行后续临床评估。
4.2 功能富集分析与PPI网络构建
GO富集分析显示，20个核心基因参与激素代谢、血小板衍生生长因子受体信号传导、血管生成、蛋白质分解代谢、脂质转运和凋亡调控等生物学过程，定位于P-小体、染色质、细胞质和细胞核等细胞组分，富集于RNA聚合酶II特异性活性和DNA结合转录因子相关分子功能。KEGG通路分析显示FOXO信号通路显著富集。PPI网络分析显示20个节点间存在112条相互作用边，其中SGK1、FOXO1和GADD45β的节点度数分别为18、16和14，为20个节点中最高值，因此被选为候选枢纽蛋白。
4.3 ACLF队列的临床特征
开发队列中，存活组平均年龄53±13岁，死亡组52±9岁，两组在性别、年龄、吸烟饮酒史、糖尿病、肝病病因及基线并发症方面均无显著差异，但死亡组高血压患病率更高（24% vs. 4%，P = 0.042）。实验室参数方面，死亡组凝血酶原时间（PT）和国际标准化比值（INR）显著延长、凝血酶原活动度（PTA）降低、总胆红素（TBil）和MELD评分升高，血清SGK1、GADD45β和FOXO1水平均显著高于存活组（SGK1：1.99 vs. 0.41 ng/mL；GADD45β：1.09 vs. 0.89 ng/mL；FOXO1：1.70 vs. 1.32 ng/mL，均P < 0.001）。外部验证队列中，死亡组同样表现为INR升高、PTA降低、MELD评分更高，血清SGK1水平显著高于存活组（1.19 vs. 0.80 ng/mL，P = 0.001）。
4.4 预后分析与MELD-S模型构建
相关性分析显示，SGK1和FOXO1水平与MELD评分呈正相关（r = 0.316和0.322，均P = 0.027），GADD45β与MELD评分无显著相关性（r = 0.212，P = 0.153）。单因素logistic回归显示，病毒性病因（OR = 4.125，P = 0.037）、PT（OR = 1.084，P = 0.019）、INR（OR = 2.493，P = 0.018）、MELD评分（OR = 1.162，P = 0.007）、SGK1（OR = 3.713，P = 0.006）、GADD45β（OR = 1.432，P = 0.019）和FOXO1（OR = 1.462，P = 0.029）与90天死亡率相关。由于MELD评分与INR存在共线性，第一个多变量模型排除MELD评分后采用向后逐步选择，仅SGK1保留为独立预测因子（OR = 3.955，95% CI：1.486–10.525，P = 0.006）。随后拟合包含SGK1和MELD评分（排除INR）的第二个多变量模型，得到最终MELD-S方程：Logit(P) = –6.892 + 0.132 × MELD + 1.442 × SGK1。
4.5 MELD-S模型在开发队列中的性能
MELD-S模型AUC为0.865（95% CI：0.767–0.963），优于单独MELD（AUC = 0.735）和单独SGK1（AUC = 0.832）。1000次bootstrap内部验证得出乐观校正后AUC为0.842。在未匹配的完整开发队列（n = 64）中，固定MELD-S方程AUC为0.842，优于MELD的0.721（DeLong检验P = 0.041）。最佳截断值0.40时，敏感性88.0%，特异性66.7%。Hosmer-Lemeshow检验显示模型拟合良好（χ2 = 5.092，P = 0.748）。校准曲线与理想线高度一致（平均绝对误差MAE = 0.060）。DCA显示MELD-S模型在0.3–0.8阈值概率范围内净获益高于MELD评分。列线图可视化示例：SGK1 = 2.0 ng/mL且MELD评分 = 35的患者，90天死亡概率约为70%。与既有ACLF预后评分比较，MELD-S（AUC = 0.865）高于MELD（0.735）、AARC（0.782）、CLIF-C ACLF（0.801）和COSSH-ACLF（0.824），DeLong检验显示MELD-S显著优于MELD（P = 0.032）和AARC（P = 0.048），与CLIF-C ACLF（P = 0.071）和COSSH-ACLF（P = 0.146）的差异未达统计学显著。
4.6 MELD-S模型的外部验证
在匹配的外部验证队列（n = 40）中，MELD-S模型AUC为0.725（95% CI：0.563–0.887，P = 0.015）。在未匹配的完整验证队列（n = 52）中，固定MELD-S方程AUC为0.748，高于MELD的0.691，但差异未达统计学显著（DeLong检验P = 0.182）。Hosmer-Lemeshow检验χ2 = 3.166，P = 0.924，校准MAE为0.26。DCA显示MELD-S模型在验证队列中仍维持高于MELD评分的净获益。
五、讨论总结与研究结论
讨论部分指出，本研究通过多数据集生物信息学方法识别出20个与肝衰竭（下调）和肝细胞再生（上调）均相关的候选基因，富集于FOXO1信号通路，其中SGK1、GADD45β和FOXO1在PPI网络中连接度最高。但生物信息学发现仅属假设生成性质，因为公共转录组数据集样本量小且生物学背景不同。临床验证揭示了一个比生物信息学预测更复杂的图景：仅SGK1与90天死亡率独立相关，GADD45β和FOXO1未保留为独立预测因子，这种差异可能反映组织水平转录与循环蛋白水平之间的区别。SGK1在部分肝切除后被证明对肝细胞再生至关重要，其敲低可使再生过程延迟48小时、肝体比降低28%、S期肝细胞比例从12%降至5%，机制上通过直接磷酸化ERK2的Ser29位点稳定MEK/ERK复合物来放大促增殖信号。死亡组血清SGK1水平升高及其与MELD评分的正相关性和独立预后关联，支持循环SGK1在本队列中的预后价值。MELD-S模型的主要贡献在于将血清分子生物标志物SGK1与既有临床严重程度评分整合，在开发队列中较单独MELD显著提高了判别能力，且该改善并非仅由倾向性评分匹配所致。研究局限性包括单中心设计、样本量有限、排除严重心肾肺功能不全患者可能引入选择偏倚、结局匹配可能改变原始临床谱系、外部验证队列AUC较低提示开发性能可能无法完全重现，以及SGK1与ACLF结局之间的生物学机制仍需实验验证。
研究结论为：通过整合生物信息学发现与前瞻性临床验证，本研究确定了SGK1作为ACLF中90天死亡率的新的独立预测因子。所构建的MELD-S模型整合了SGK1与既有的MELD评分，显示出改善的预后性能，为ACLF风险分层提供了一种实用的生物标志物辅助方法。尽管生物信息学分析提示SGK1可能参与再生相关信号通路，但其与ACLF结局关联的生物学机制仍需进一步的实验验证。未来需要多中心前瞻性研究来验证MELD-S模型在不同ACLF人群中的可重复性、校准度和临床适用性。该整合方法为结合分子生物标志物与临床评分以改善ACLF预后评估提供了概念验证。
