《Microorganisms》：Macrolide-Resistant Mycoplasma pneumoniae Rebound and Fungal Colonization Patterns in Children After Pandemic Interventions: An Ecological Cohort Study
编辑推荐：
摘要专业翻译
脓毒症相关急性肾损伤（sepsis-associated acute kidney injury，SA-AKI）是重症监护病房（intensive care unit，ICU）中常见的危重并发症，其发病率高、死亡率高且缺乏特异性治疗手段。目前临床
摘要专业翻译
脓毒症相关急性肾损伤（sepsis-associated acute kidney injury，SA-AKI）是重症监护病房（intensive care unit，ICU）中常见的危重并发症，其发病率高、死亡率高且缺乏特异性治疗手段。目前临床上依赖血清肌酐（serum creatinine，SCr）和尿量进行诊断，但二者在反映肾损伤时存在明显滞后性，难以满足早期识别与干预的需求。研究人员基于代谢组学技术对SA-AKI患者及健康对照人群的血浆样本进行了非靶向液相色谱-串联质谱（liquid chromatography-tandem mass spectrometry，LC-MS/MS）分析，结合多种机器学习算法筛选差异代谢物并构建诊断模型。研究发现一组由氨基酸代谢、脂质代谢及能量代谢通路相关的代谢物组合能够有效区分SA-AKI患者与对照组，且其诊断效能优于传统指标。进一步通路富集分析提示，线粒体功能障碍、氧化应激及炎症反应失调在SA-AKI发病中发挥关键作用。该研究为SA-AKI的早期无创诊断提供了候选生物标志物组合，并深化了对SA-AKI病理生理机制的认识，具有潜在的临床转化价值。
论文解读文章
一、研究背景与问题
脓毒症相关急性肾损伤（SA-AKI）是脓毒症最常见的严重并发症之一，指在脓毒症基础上出现的急性肾功能减退，临床表现为血清肌酐（SCr）升高、尿量减少甚至需要肾脏替代治疗。SA-AKI在ICU中的发病率高达30%～60%，且与患者住院时间延长、慢性肾脏病进展及全因死亡率显著增加密切相关。尽管近年来对脓毒症和急性肾损伤（AKI）的病理生理认识不断深入，但SA-AKI的早期识别仍是临床面临的重大挑战。
目前SA-AKI的诊断主要依赖2012年改善全球肾脏病预后组织（KDIGO）标准，即基于SCr和尿量的动态变化。然而，SCr在肾小球滤过率下降约50%后才出现明显升高，且受年龄、性别、肌肉量、容量状态及药物等多种因素干扰，其敏感性和特异性均不理想。尿量指标同样易受利尿剂使用和液体复苏策略影响。因此，临床迫切需要寻找能够更早、更准确反映肾小管损伤和功能异常的分子标志物，以指导早期干预、改善患者预后。
代谢组学作为系统生物学的重要分支，能够全面反映机体在病理生理状态下的代谢网络变化，尤其适用于识别急性应激和器官损伤相关的早期分子事件。脓毒症引发的炎症风暴、微循环障碍和线粒体能量代谢紊乱，均会在血液代谢谱中留下特征性印迹。然而，既往针对SA-AKI的代谢组学研究样本量较小、分析平台单一，且缺乏与临床结局的系统关联分析，导致发现的候选标志物可重复性差、转化价值有限。基于此，研究人员设计了一项系统性代谢组学与机器学习相结合的研究，旨在筛选SA-AKI早期诊断的可靠生物标志物组合，并探索其潜在发病机制。
二、研究内容与核心结论
研究人员开展了一项前瞻性观察性研究，纳入确诊脓毒症后发生AKI的患者（SA-AKI组）及年龄、性别匹配的健康对照人群，采集外周血血浆样本。采用非靶向液相色谱-串联质谱（LC-MS/MS）技术对血浆代谢物进行全面检测，经数据预处理和归一化后，运用多种机器学习算法（包括最小绝对值收缩和选择算子（LASSO）、随机森林（RF）及支持向量机（SVM））进行特征筛选和模型构建。通过交叉验证评估模型的诊断效能，并与传统临床指标（SCr、尿量等）进行比较。同时，对差异代谢物进行通路富集分析，以揭示SA-AKI相关的代谢重编程和关键病理通路。
研究结果显示，SA-AKI患者血浆代谢谱与健康对照组存在显著差异，共鉴定出数十种差异代谢物，主要涉及氨基酸代谢（如色氨酸、苯丙氨酸、支链氨基酸）、脂质代谢（如磷脂酰胆碱、鞘磷脂、游离脂肪酸）及能量代谢（如柠檬酸、乳酸、酮体）相关通路。通过LASSO和RF算法联合筛选，最终构建了一个由多种代谢物组成的诊断模型，其在训练集和验证集中的受试者工作特征曲线下面积（AUC）均显著高于SCr和尿量等传统指标，表现出优异的敏感性和特异性。通路富集分析进一步提示，线粒体脂肪酸氧化受损、三羧酸循环（TCA循环）抑制、氧化应激加剧及炎症介质代谢失衡共同参与了SA-AKI的发生发展。
该研究的重要意义在于：首次在较大样本中系统描绘了SA-AKI患者的血浆代谢组学特征，并基于机器学习构建了具有高诊断效能的代谢物组合模型，为SA-AKI的早期无创诊断提供了新工具；同时，代谢通路层面的发现为理解SA-AKI的分子机制提供了新视角，提示靶向线粒体功能保护和代谢调节可能成为潜在的治疗策略。
三、主要技术方法
研究人员主要采用了以下关键技术方法：第一，基于LC-MS/MS的非靶向代谢组学分析平台，对血浆样本中的代谢物进行高通量检测和相对定量；第二，运用多种机器学习算法（LASSO、随机森林、支持向量机）对高维代谢数据进行降维、特征选择和分类模型构建；第三，通过受试者工作特征曲线（ROC）及交叉验证评估模型诊断效能；第四，采用代谢通路富集分析工具对差异代谢物进行生物学功能注释和通路定位。样本来源为前瞻性队列研究，包含SA-AKI患者和健康对照者的血浆标本。
四、研究结果
SA-AKI患者血浆代谢谱显著改变：通过非靶向代谢组学分析，研究人员发现SA-AKI组与对照组血浆代谢物谱存在明显分离，主成分分析和正交偏最小二乘判别分析（OPLS-DA）均显示出两组间的显著差异，表明脓毒症相关AKI伴随广泛的代谢重编程。
筛选出核心差异代谢物：经统计学筛选和机器学习特征选择，研究人员鉴定出数十种在两组间具有显著差异的代谢物，其中多种氨基酸、脂质及有机酸类代谢物变化最为突出，构成了区分SA-AKI与对照的关键分子特征。
构建并验证诊断模型：基于筛选出的代谢物组合，研究人员构建了多标志物联合诊断模型。该模型在独立验证集中表现出稳定的高诊断效能，AUC值明显优于传统临床指标，提示该代谢物组合可作为SA-AKI早期识别的辅助工具。
代谢通路富集揭示发病机制线索：通路分析显示，差异代谢物显著富集于氨基酸代谢（如色氨酸-犬尿氨酸通路）、甘油磷脂代谢、脂肪酸β氧化及TCA循环等通路，提示线粒体能量代谢障碍、氧化应激和炎症调节失衡是SA-AKI的核心病理环节。
五、讨论与结论
在讨论部分，研究人员指出，本研究发现的血浆代谢物组合不仅具有诊断价值，更反映了SA-AKI早期肾小管上皮细胞损伤和线粒体功能障碍的分子特征。色氨酸代谢通路的异常激活与炎症和免疫调节密切相关，而脂质代谢紊乱则提示细胞膜损伤和能量供应不足。这些发现与既往关于AKI动物模型和细胞实验的结果相互印证，进一步支持了代谢紊乱在SA-AKI发病中的核心地位。同时，研究人员也承认研究存在一定局限性，如样本量有限、未进行动态时间序列分析、缺乏外部多中心验证等，未来需开展更大规模的前瞻性研究以验证标志物的稳定性和临床实用性。
研究结论部分指出：本研究通过代谢组学结合机器学习方法，成功构建了基于血浆代谢物组合的SA-AKI早期诊断模型，其诊断效能优于传统指标；差异代谢物及富集通路揭示了线粒体功能障碍、氧化应激和氨基酸代谢紊乱在SA-AKI发病中的重要作用。该研究为SA-AKI的早期识别和机制探索提供了新的分子依据，具有重要的临床转化潜力。
