单细胞水平免疫数字孪生（SIMCO）用于早产预防候选药物筛选与分娩时间预测

《SCIENCE ADVANCES》：Single-cell–level digital twins for preterm birth prevention strategies

数字孪生（digital twin）模型可通过低风险测试候选干预措施加速治疗研发。在早产（preterm labor, PTL）这一主要妊娠并发症中，临床试验面临伦理与资金障碍，数字孪生对评估靶向驱动PTL的免疫功能障碍的新疗法尤其有价值。然而，现有模型缺乏单细胞分辨率，限制了对细胞类型特异性机制、脱靶效应及个性化干预设计的检测。研究人员提出临床结局模拟免疫组建模（Simulated Immunome Modeling of Clinical Outcomes, SIMCO），一种单细胞水平数字孪生框架，利用免疫组范围单细胞模拟来建模免疫调节治疗对分娩时间的影响。SIMCO的数字孪生在新生成的质量流式细胞术（mass cytometry）图谱上训练和验证，该图谱涵盖暴露于九种预选用于PTL预防的候选药物的妊娠免疫组。将SIMCO应用于独立孕妇队列，研究人员模拟治疗对孕龄长度的影响，筛选可延迟分娩时间的候选药物，并为每种候选药物提供系统级机制见解。四氢叶酸（tetrahydrofolate, THF）以及阿司匹林（aspirin）与兰索拉唑（lansoprazole）联合方案成为PTL预防的优选候选，主要通过增强先天免疫细胞中的哺乳动物雷帕霉素靶蛋白（mammalian target of rapamycin, mTOR）信号传导和减弱初始CD4⁺ T细胞中的Janus激酶/信号转导及转录激活因子（JAK/STAT）信号传导来延迟分娩发动。

该论文发表于《SCIENCE ADVANCES》。早产指妊娠未满37周分娩，仍是全球5岁以下儿童死亡的首位原因，约十分之一妊娠发生早产；其中60%至70%为自发性早产（spontaneous preterm labor, sPTL），可无预警征象或已知危险因素。研究背景显示，妊娠维持依赖先天性与适应性免疫适应的动态平衡：妊娠早期以调节性T细胞（Treg cells）扩增等耐受机制为主，妊娠晚期则涉及中性粒细胞、单核细胞、巨噬细胞及自然杀伤（NK）细胞亚群的促炎通路激活，并最终触发分娩相关炎症级联；在sPTL中，健康妊娠应有的免疫适应提前或不适当地出现。现有sPTL预防策略如低剂量阿司匹林和孕酮在临床试验中效果有限且不一致，加之妊娠期临床试验存在伦理与经费限制，亟需可在低风险条件下评估免疫调节候选药物的计算框架。现有数字孪生（digital twin）模型缺乏单细胞分辨率，难以识别细胞类型特异性机制、脱靶效应并指导个体化干预。因此，研究人员开发临床结局模拟免疫组建模（Simulated Immunome Modeling of Clinical Outcomes, SIMCO）框架，旨在以单细胞水平数字孪生模拟免疫调节治疗对分娩时间等临床结局的影响，并用于sPTL预防候选药物的优先排序。

关键技术方法概括（不超过250字）：研究人员建立新的质量流式细胞术（mass cytometry，一种高维单细胞蛋白检测技术）单细胞扰动图谱：纳入8名非妊娠（月经周期第2至7天）和11名妊娠（妊娠20至27周）志愿者，行96重全血体外药物筛选，测试9种候选药物、7种刺激及未刺激条件，2小时刺激后检测28个免疫细胞群、12种胞内磷酸化蛋白和8种活化标志物；采用九选四双去除质量标签条形码，共获得218 million白细胞、覆盖80个扰动场景。SIMCO用CellOT（基于神经网络的最优传输求解方法）学习单细胞扰动映射，并用Stabl（稀疏机器学习算法）构建临床结局预测模型；外部验证采用Stelzer et al.的独立纵向质量流式队列（177份样本、63名孕妇，其中14份样本来自5名sPTL患者）。

研究结果如下。1）从单细胞水平数字孪生模拟治疗效应：通过整合单细胞反应模拟与临床结局多变量建模，SIMCO先以CellOT编码药物扰动反应，再将该行为投影到独立基线免疫组数据以生成每例患者治疗与未治疗数字孪生，最后用Stabl预测结局，并以治疗与未治疗预测差值量化药物效应；结论为SIMCO可用于计算机临床试验、候选药物优先排序及治疗个体化。2）捕获妊娠相关免疫特征的单细胞扰动图谱：通过19名志愿者的全血药物筛选与质量流式检测，发现妊娠与非妊娠个体免疫谱明显不同，妊娠中期粒细胞、经典单核细胞（cMCs）和髓系来源抑制细胞（MDSCs）比例扩增而CD4⁺效应记忆T细胞减少；4480个免疫活化特征中163个在两组间显著不同，妊娠个体粒细胞对白细胞介素-2/4/6（IL-2/4/6）、脂多糖（LPS）和肿瘤坏死因子-α（TNFα）的先天免疫信号增强，CD4⁺中央记忆T细胞的pSTAT6反应受抑，未刺激样本CD44表达降低；结论为该图谱重现了妊娠相关先天与适应性免疫适应。3）候选药物显示差异免疫调节特性：通过将各候选药物处理与DMSO对照比较4480个特征，共识别1872个显著药物效应，其中94.8%为抑制性；初始CD4⁺、CD8⁺及中央记忆CD4⁺T细胞最常被靶向，PI和粒细胞-巨噬细胞集落刺激因子（GM-CSF）刺激最常被调节；所有药物均呈细胞类型与通路特异性免疫调节谱，妊娠队列内药物反应一致性高于非妊娠队列；兰索拉唑和SALPZ在妊娠个体中累计效应更强，普伐他汀较弱；SALPZ与单药成分谱不同，SA单独增强LPS诱导JAK-STAT，而兰索拉唑和SALPZ抑制该通路；SALPZ效应中3%为协同、79%为相加、18%为拮抗，协同多涉及LPS或干扰素-α（IFN-α）后的JAK-STAT信号；结论为候选药物具有可区分的免疫调节特性。4）SIMCO准确模拟细胞类型特异性扰动反应：通过四折交叉验证比较平均绝对误差（MAE）、决定系数（R2）和最大均值差异（MMD），SIMCO在各项指标上持续优于训练基线，可捕捉患者异质性并进行个体化扰动建模；单细胞模拟误差随信号反应增强而增加，并与患者间信号反应变异相关（Spearman R=0.93），但模拟仍保留患者间相对差异；结论为SIMCO能较准确地模拟异质性单细胞扰动反应。5）SIMCO预测治疗对分娩时间的影响：通过Stelzer et al.独立队列生成数字孪生，未治疗数字孪生预测分娩时间的Pearson R=0.64、均方根误差（RMSE）=24.1天，区分足月与早产的受试者工作特征曲线下面积（AUROC）=0.75、精确率-召回率曲线下面积（AUPRC）=0.29；加入CellOT模拟特征较仅用未刺激真实特征明显提升预测性能（Pearson R由0.34升至0.61，AUROC由0.69升至0.75，AUPRC由0.24升至0.34），较完整真实特征模型亦有小幅提升（Pearson R由0.79升至0.82）。马普替林（maprotiline）、THF和SALPZ在各孕周均持续延迟预测分娩时间；患者层面累计效应最强为THF（24.7天，四分位距IQR=11.4至45.9）、马普替林（18.8天，IQR=8.6至27.5）和SALPZ（17.3天，IQR=3.5至33.8），THF、SALPZ和马普替林分别预测使90.5%、87.3%和82.5%患者孕龄延长，SA单药仅46%。模型使用21个关键免疫特征，前10位中5个为CD4⁺T细胞信号反应；GM-CSF、TNFα、PI和IFN-α诱导的pSTAT3降低与较早孕周相关，粒细胞pS6随临产降低。THF和SALPZ通过抑制初始CD4⁺T细胞pSTAT3并增强粒细胞pS6，使前10位特征中7个朝期望方向改变；马普替林和THF还增强PI刺激后CD8⁺ CCR2⁺中央记忆T细胞的pNF-κB信号。部分药物效应可朝晚孕模式偏移，但SIMCO整合多细胞类型、多刺激和多通路的净效应进行系统级定量评估；结论为THF和SALPZ为延迟分娩发动的强候选，主要通过增强先天免疫细胞mTOR信号及减弱初始CD4⁺T细胞JAK/STAT信号发挥作用。

讨论部分总结：SIMCO以“先学习单细胞免疫机制、再参数化未见个体”的两步策略，通过比较治疗与未治疗数字孪生量化干预对临床结局的影响，并提供单细胞水平机制解释；其在sPTL预防中尤有价值。该框架的前提是改变分娩相关免疫特征可延迟分娩发动，干预应维持妊娠中期免疫耐受并抵消晚孕NF-κB反应性、促炎细胞因子产生及先天白细胞活化等趋势。轨迹分析显示，初始CD4⁺T细胞pSTAT5和粒细胞pS6等关键轴在妊娠期呈稳健单调变化。研究中的效应基于单次剂量暴露，患者层面聚合用于近似持续治疗的累积效应。THF、马普替林和SALPZ为延迟预测分娩时间最有效者；SALPZ尤其值得关注，低剂量阿司匹林单药效果有限，而兰索拉唑具有抗炎特性并可抑制LPS诱导的Toll样受体4（TLR4）介导NF-κB活化，小鼠模型中可改善胎儿存活；SA与兰索拉唑的效应多为相加，部分涉及JAK-STAT协同。叶酸/THF补充与早产风险降低的回顾性结果一致，数字孪生提示高危个体可能获益；马普替林因副作用及妊娠期抗抑郁药争议，作为预防策略吸引力较低。SIMCO的优势在于可监测全免疫系统模拟药物效应并综合权衡有利与不利影响；pSTAT3抑制可促进免疫耐受、限制促炎T细胞分化，pSTAT5增强支持Treg发育与维持，粒细胞pS6/mTOR增强与IL-10产生及M2样极化相关并可能减少胎盘损伤性中性粒细胞胞外诱捕网。局限包括早产病例较少、扰动图谱个体数有限且仅覆盖妊娠中期外周血、缺乏功能读出、体外难以复现肝脏代谢，以及需跨孕周大队列、动物模型和前瞻性临床研究验证。

研究结论翻译：研究人员提出SIMCO作为一个概念验证性单细胞水平数字孪生框架，用于模拟免疫反应并建模结局层面的治疗效应。SIMCO能够从未见个体的基线免疫谱生成数字孪生，为早期化合物优先排序和机制假设生成提供可扩展、微创的方法。该研究是迈向数据驱动、免疫指导治疗策略的关键一步。在独立队列和前瞻性试验中验证后，SIMCO有潜力通过统一免疫谱分析、计算建模和个性化治疗策略来预防sPTL，从而变革精准产科学。