整合性机器学习分析揭示驱动代谢功能障碍相关脂肪性肝炎纤维化的关键细胞类型与生物标志物

《Frontiers in Cell and Developmental Biology》：Integrative machine learning analysis of bulk and single-nucleus RNA sequencing reveals key cell types and biomarkers driving MASH-associated fibrosis

摘要 背景： 代谢功能障碍相关脂肪性肝炎（MASH）增加肝硬化和肝癌风险，其中肝纤维化是不良结局的主要决定因素。然而，驱动MASH纤维化进展的分子机制仍不完全清楚。 方法： 研究人员整合了四个批量RNA测序（bulk RNA-seq）数据集为一个合并队列（MergeCohort），并分析了一个单核RNA测序（snRNA-seq）数据集。结合稳健秩聚合（RRA）、加权基因共表达网络分析（WGCNA）和机器学习，识别与MASH纤维化相关的核心基因。此外，研究人员建立了由蛋氨酸-胆碱缺乏（MCD）饮食诱导的MASH小鼠模型，并通过定量实时聚合酶链反应（qRT-PCR）进一步验证枢纽基因的表达。对来自不同纤维化分期MASH患者的肝脏组织进行单核转录组分析，以描绘细胞异质性、重建细胞间通讯网络，并表征参与MASH相关纤维化的关键转录因子（TFs）及受体-配体相互作用。 结果： 基于MergeCohort，研究人员通过WGCNA检测到两个与MASH纤维化进展相关的关键基因网络模块。通过整合机器学习算法，研究人员发现了七个核心基因（CAPN6、FAP、KRT23、SOX4、STMN2、TAGLN和VWF），这些基因对纤维化分期具有良好的区分能力，在独立的外部验证队列中曲线下面积（AUC）达到0.81（95%置信区间0.69–0.93）。此外，CAPN6、FAP和KRT23在MCD饮食诱导的MASH小鼠模型的肝脏组织中表现出方向一致的表达上调。随后，应用细胞类型去卷积分析，研究人员将主要的细胞类型（肝星状细胞（HSCs）、胆管细胞、肝细胞和巨噬细胞）分配到关键的WGCNA模块。在单核水平上，研究人员识别出FGF13+胆管细胞和血清淀粉样蛋白A（SAAs）+肝细胞亚群。转录因子调控子分析确定了关键的转录因子（CREB5和STAT3），它们可能在FGF13+胆管细胞和SAAs+肝细胞中发挥潜在的调控作用。细胞-细胞通讯分析进一步揭示了与MASH肝纤维化进展相关的肝星状细胞与FGF13+胆管细胞（VEGFA_NRP1和APP_CD74轴）、SAAs+肝细胞与肝星状细胞（RSPO3_LGR4和IGF1_IGF1R轴）、SAAs+肝细胞与巨噬细胞（TNFSF14_TNFRSF14和SELE_CD44轴）之间的关键配体-受体对。 结论： 这种组合方法定义了与MASH纤维化相关的分子特征，可能为新治疗策略的开发提供信息，并作为MASH晚期纤维化的组织标志物。

论文解读文章

1. 研究背景与科学问题

代谢功能障碍相关脂肪性肝炎（MASH）是非酒精性脂肪性肝病（NAFLD）的严重进展形式，以肝脏脂肪变性、炎症和纤维化为特征，最终可导致肝硬化、肝移植和肝细胞癌（HCC）。在MASH多样的组织学特征中，肝纤维化是由胶原产生的肝星状细胞（HSCs）激活所致，它是患者死亡率的主要预测指标，因此成为MASH的重要治疗靶点。然而，目前针对改善MASH相关肝纤维化的治疗方案仍然匮乏。尽管单细胞转录组技术加深了对肝脏细胞类型、状态和调控机制的理解，并揭示了MASH纤维化发生中的细胞异质性和细胞间串扰，但目前仍缺乏一项全面的、整合性的转录动力学及细胞类型特异性贡献的分析，以阐明MASH纤维化进展的全貌。因此，迫切需要这样一项研究，以识别新的基因特征和具有独特促病或保护特性的关键细胞亚群，用于MASH纤维化的诊断和治疗。

2. 研究方法概述

本研究采用了一套整合性生物信息学分析流程。首先，从基因表达综合数据库（GEO）获取了四个人类MASH批量RNA测序（bulk RNA-seq）数据集（GSE130970、GSE135251、GSE162694、GSE225740）和一个单核RNA测序（snRNA-seq）数据集（GSE202379），并使用ComBat方法去除批次效应后合并为一个包含331例样本的合并队列（MergeCohort）。研究应用差异表达基因（DEG）分析、稳健秩聚合（RRA）和加权基因共表达网络分析（WGCNA）筛选与纤维化相关的基因模块。随后，结合三种机器学习算法——最小绝对值收敛和选择算子（LASSO）回归、随机森林（RF）和支持向量机-递归特征消除（SVM-RFE）来鉴定核心生物标志物，并在独立外部队列（GSE174478）和SteatoSITE数据库中进行验证。同时，利用MCD饮食诱导的MASH小鼠模型通过qRT-PCR进行跨物种表达验证。对于snRNA-seq数据，研究进行了细胞聚类、亚群鉴定、细胞类型去卷积分析（CIBERSORTx）、转录因子调控子分析（SCENIC）以及细胞间通讯分析（CellPhoneDB）。

3. 主要研究结果

3.1 转录组变化与共表达网络模块

通过比较MASH合并队列中晚期纤维化（F3-4）与轻度纤维化（F0-2）患者的转录组，发现488个上调基因和125个下调基因。上调基因富集于细胞外基质（ECM）相关过程，而下调基因与脂质和氨基酸代谢有关。WGCNA分析鉴定了10个共表达模块，其中M3（ECM组织）和M8（上皮细胞形态发生）模块与纤维化分期和评分显著正相关，且其基因在晚期纤维化中高度富集。

3.2 七基因生物标志物特征的鉴定与验证

通过整合RRA、MergeCohort DEGs和WGCNA关键模块基因，得到74个重叠基因。进一步经LASSO、RF和SVM-RFE三种机器学习方法交叉筛选，最终确定七个核心基因：CAPN6、FAP、KRT23、SOX4、STMN2、TAGLN和VWF。这七基因特征在独立验证队列（GSE174478）中对晚期纤维化具有良好的区分效能，AUC值达0.81。在SteatoSITE数据库中，这七个基因的表达随纤维化分期进展而升高。在MCD饮食诱导的MASH小鼠模型中，Capn6、Fap和Krt23的mRNA表达显著上调，验证了部分结果的跨物种一致性。

3.3 细胞类型去卷积与关键细胞亚群

利用snRNA-seq参考矩阵对bulk RNA-seq数据进行CIBERSORTx去卷积分析，发现M3和M8模块分别与HSCs和胆管细胞比例呈显著正相关。snRNA-seq分析识别出五种HSC亚群，其中HSC_1亚群高表达活化标志物COL1A1和TIMP2，代表纤维化相关HSCs。在胆管细胞中，鉴定出一个独特的FGF13⁺胆管细胞亚群（CC_1）。在肝细胞中，发现一个高表达SAA1和SAA2的SAAs⁺肝细胞亚群（HEP_2），其功能富集于免疫和脂质代谢相关通路。

3.4 转录因子调控子分析

SCENIC分析揭示，转录因子CREB5在FGF13⁺胆管细胞中具有高调控活性和表达，其靶基因富集于免疫和炎症相关通路，如上皮间充质转化和IL-6/JAK/STAT3信号通路。STAT3被确定为SAAs⁺肝细胞的关键上游调控子，其活性与SAA1和SAA2表达高度相关，靶基因涉及补体激活和免疫效应过程。

3.5 细胞间通讯网络

CellPhoneDB分析显示，HSCs与胆管细胞和肝细胞之间存在最强的相互作用。具体而言，FGF13⁺胆管细胞与HSCs之间通过VEGFA_NRP1和APP_CD74等轴进行通讯。SAAs⁺肝细胞与HSCs之间则通过RSPO3_LGR4和IGF1_IGF1R等轴相互作用。此外，SAAs⁺肝细胞与巨噬细胞之间也存在显著的通讯，涉及TNFSF14_TNFRSF14和SELE_CD44等配体-受体对。

4. 讨论与结论

讨论总结： 本研究首次通过整合性生物信息学分析，系统地探索了MASH患者纤维化进展中的关键基因、基因网络模块和富集的分子通路。七基因特征不仅加深了对MASH纤维化分子机制的理解，还提供了一个与晚期纤维化相关的组织标志物，有助于解决跨队列重复性和患者分层等转化研究问题。通过去卷积分析，成功将基因网络与其假定的细胞来源联系起来，为后续单细胞分辨率的研究奠定了基础。研究强调了HSCs的核心作用，并揭示了FGF13⁺胆管细胞和SAAs⁺肝细胞等新型细胞亚群及其上游调控因子（CREB5和STAT3）在纤维化进程中的潜在角色。细胞间通讯分析阐明了这些关键细胞类型之间的复杂配体-受体相互作用网络，为理解MASH纤维化的发病机制提供了新见解。

研究结论翻译： 这种组合方法定义了与MASH纤维化相关的分子特征，可能为新治疗策略的开发提供信息，并作为MASH晚期纤维化的组织标志物。