《Immunity, Inflammation and Disease》：Growth Hormone-Related Gene Signatures Reveal Diagnostic Biomarkers, Immune Landscapes, and Potential Therapeutic Targets in Sepsis Through WGCNA and Machine Learning Analyses
编辑推荐：
背景 脓毒症重塑炎症、免疫和代谢活动，然而与生长激素生物学相关的基因在此反应中的行为尚未被充分界定。因此，研究人员检索了能够区分脓毒症的生长激素相关基因（growth hormone-related genes, GHRGs），并探究所得标志物是否同时反映宿主
背景 脓毒症重塑炎症、免疫和代谢活动，然而与生长激素生物学相关的基因在此反应中的行为尚未被充分界定。因此，研究人员检索了能够区分脓毒症的生长激素相关基因（growth hormone-related genes, GHRGs），并探究所得标志物是否同时反映宿主免疫状态的变异。
方法 在模型开发阶段，合并了两个基因表达综合数据库（Gene Expression Omnibus, GEO）微阵列队列，而GSE26378和GSE28750则单独保留用于验证。首先通过差异表达分析和加权基因共表达网络分析（weighted gene co-expression network analysis, WGCNA）界定脓毒症相关表达信号，再与1205个GHRGs取交集。随后采用蛋白质-蛋白质相互作用（protein-protein interaction, PPI）分析步骤和四种机器学习程序缩减候选基因集。分类效能通过受试者工作特征（receiver operating characteristic, ROC）曲线和双基因列线图进行检验，并以校准分析和决策曲线分析作为补充验证。此外，还考察了通路富集、免疫细胞模式、预测性调控互作、候选化合物以及基于表达谱的分子亚型。
结果 整合队列共鉴定出2552个差异表达基因（differentially expressed genes, DEGs）和来自脓毒症相关WGCNA模块的1873个基因；其与GHRG集合的重叠包含40个基因。PPI模块分析将该集合缩减为23个枢纽候选基因。机器学习筛选稳定保留JAK1和GATA3，两者在脓毒症中均表达下调，并在训练队列和外部验证队列中展现出稳定的诊断性能。二者联合模型的判别能力优于任一单基因。功能分析将这两个基因与T细胞信号传导、抗原加工、免疫调节、线粒体代谢及翻译过程相关联。免疫谱分析显示脓毒症中淋巴细胞相关特征减少，同时髓系特征增强。当脓毒症样本按JAK1/GATA3表达分组时，出现了具有不同免疫和转录谱的两种亚型。
结论 JAK1和GATA3作为与脓毒症免疫异质性相关的有前景的生长激素相关候选诊断生物标志物。其联合特征可能为分子分层提供有用框架，并值得进一步的实验和临床验证。
亮点
•整合转录组学和机器学习分析确定JAK1和GATA3为生长激素相关诊断生物标志物，并在独立脓毒症队列中表现稳定。
•JAK1和GATA3与T细胞信号传导、抗原加工、免疫细胞再分布及脓毒症中更广泛的免疫失调密切相关。
•基于JAK1/GATA3的一致性聚类定义了脓毒症的两种分子亚型，具有不同的转录程序和免疫浸润景观。
脓毒症生长激素相关基因诊断标志物与免疫异质性研究解读
一、研究背景与科学问题
脓毒症被定义为由宿主对感染反应失调引起的器官功能障碍，但其背后的生物学反应远非均质。炎症与抗调节程序可能同时激活，抗原呈递、白细胞丰度、淋巴细胞功能、细胞代谢及组织稳态均随疾病演变而变化。特别是，淋巴细胞凋亡与功能障碍、抗原呈递能力下降、共刺激信号改变、T细胞耗竭以及免疫调节性或髓系细胞群的扩增，可在部分患者中产生持续的免疫抑制。这种宿主反应的变异是临床上表现相似的患者病程差异显著的原因之一。因此，能够区分脓毒症同时捕获宿主免疫状态的分子标志物，可能提供常规临床评估未能充分反映的信息。
内分泌与代谢适应在危重症期间与免疫反应密切交织，这使得生长激素（growth hormone, GH）相关生物学成为脓毒症中一个潜在有价值但探索不足的领域。经典GH受体信号传导以JAK2及下游STAT、PI3K、ERK等通路为核心，与许多细胞因子受体依赖的JAK1信号传导在机制上不同。在实验性内毒素血症中，炎症应激可产生受体后GH抵抗，表现为GH刺激的JAK2/STAT5活性降低和细胞因子信号抑制因子增加。GH还可影响免疫细胞因子产生，支持内分泌与炎症系统之间的双向相互作用。然而，随机对照证据显示，在成人长期危重症中给予高剂量GH可增加死亡率，提示GH相关转录组框架更适合作为探究内分泌-免疫相关分子程序的手段，而非支持GH补充治疗的证据。
尽管基于转录组的脓毒症生物标志物研究日益增多，但若干问题仍未解决。既往研究多聚焦于全基因组差异表达或预设免疫相关基因集，而内分泌-免疫相关转录程序受到的关注较少。此外，单一分析策略衍生的候选生物标志物可能对队列构成和特征选择偏差敏感。将疾病相关共表达网络与多种机器学习方法整合，可能为识别可重复的分子特征提供更严格的框架。更重要的是，诊断判别本身不能捕获脓毒症显著的生物学异质性，将候选生物标志物与免疫细胞组成和功能状态关联，有助于阐明其是否反映宿主反应模式中具有临床意义的差异。
二、研究设计与技术方法
研究人员整合了两个公共GEO微阵列数据集GSE57065（107例样本，含82例脓毒症和25例非脓毒症对照）和GSE95233（124例样本，含102例脓毒症和22例对照）作为训练队列，经批次效应校正后共231例样本（184例脓毒症、47例对照）。GSE26378（82例脓毒症、21例对照）和GSE28750（10例脓毒症、20例对照）仅用于外部验证。生长激素相关基因从GeneCards数据库以相关性评分>15筛选获得1205个GHRGs。
主要技术方法包括：差异表达分析（limma，调整后P<0.05且|log2FC|>0.585）；加权基因共表达网络分析（WGCNA，软阈值β=6，鉴定脓毒症相关模块）；STRING数据库PPI网络构建与Cytoscape MCODE模块筛选；四种机器学习算法（LASSO、XGBoost、SVM-RFE、随机森林）交叉验证筛选特征基因；ROC曲线与列线图构建诊断模型；GO/KEGG富集分析；单基因GSEA；ssGSEA、CIBERSORT、MCP-counter三种免疫浸润分析；NetworkAnalyst和miRNet调控网络预测；DSigDB药物关联分析；基于JAK1/GATA3的一致性聚类分子分型；以及LPS处理HUVECs模型的RT-qPCR实验验证。
三、研究结果
3.1 整合队列的差异表达分析
PCA显示批次校正后GSE57065和GSE95233样本整合改善。共鉴定2552个DEGs，其中1239个上调、1313个下调。
3.2 WGCNA模块鉴定与GHRGs交集
WGCNA鉴定出四个与脓毒症正相关的模块（blue r=0.88、black r=0.38、green r=0.36、salmon r=0.31），共含1873个基因。功能注释显示这些基因富集于适应性免疫和淋巴细胞程序，包括抗原受体信号传导、T细胞分化等。KEGG分析突出T细胞受体信号、抗原加工呈递、Th1/Th2分化等通路。DEGs、WGCNA基因与1205个GHRGs三方交集获得40个DEGHRGs。
3.3 PPI网络枢纽基因提取
MCODE从40个DEGHRGs的PPI网络中鉴定出一个含23个基因的高密度互作子网络。GO注释关联到造血调控、α-β T细胞分化、髓系分化等；KEGG包括JAK-STAT信号、Th1/Th2分化、Th17分化及凋亡通路。
3.4 机器学习筛选诊断基因
LASSO保留10个基因，XGBoost选择5个（GATA3重要性最高），SVM-RFE最优为8基因集，随机森林保留11个。四种算法交集仅含JAK1和GATA3。患者水平交叉验证重复后仍稳定选择这两个基因。
3.5 诊断性能验证
JAK1和GATA3在训练队列AUC均>0.70，联合模型判别性能最佳。两基因在脓毒症中均下调，该方向在GSE26378和GSE28750中保持一致。列线图、决策曲线和校准分析支持模型可靠性。
3.6 单基因富集分析
JAK1相关表达模式关联抗原受体信号、T细胞激活及线粒体电子传递链；GATA3关联T细胞信号、核糖体生物发生和翻译过程。两者均涉及MHC II类抗原加工呈递和T细胞受体信号。
3.7 免疫浸润分析
ssGSEA显示脓毒症中活化树突状细胞、B细胞、CD8+T细胞、NK细胞等淋巴细胞特征降低，而巨噬细胞、中性粒细胞特征升高。CIBERSORT和MCP-counter结果一致显示淋巴细胞减少和髓系信号增强。JAK1和GATA3表达与多数淋巴细胞相关特征正相关，与巨噬细胞特征负相关。
3.8 调控网络与候选化合物
NetworkAnalyst预测JAK1上游转录因子包括USF2、YY1、FOXC1等，GATA3关联JUN、SP1、NFYA等，E2F1为共享调控因子。miRNet提供多个候选miRNA。DSigDB预测候选化合物包括Vitinoin、甲基泼尼松龙等。
3.9 分子亚型鉴定
基于JAK1/GATA3表达的一致性聚类将脓毒症样本分为两个亚型。Subtype1呈JAK1/GATA3高表达，富集Th17分化、Th1/Th2分化、T细胞受体信号等免疫程序，适应性免疫特征更强；Subtype2呈低表达，富集囊泡/颗粒相关注释，适应性免疫信号较弱。
3.10 RT-qPCR实验验证
LPS处理HUVECs模型中，JAK1和GATA3 mRNA水平均显著降低（P<0.0001），与转录组队列中两基因在脓毒症中下调的方向一致。
四、讨论与结论
讨论部分指出，JAK1不应被描述为直接介导GH受体信号传导的经典激酶，而应理解为更广泛的GH相关分子背景中内分泌适应与细胞因子和免疫信号交汇的一部分。JAK1在干扰素和细胞因子信号传导中具有重要功能，其低表达可能标记多种免疫程序同时减弱的状
