《Frontiers in Immunology》：Integrated proteomic, genetic, and machine-learning analyses reveal a CXCL11-centered inflammatory signature associated with systemic activity in Sj?gren’s disease
编辑推荐：
目的：针对干燥综合征（Sj?gren’s disease，SjD）临床异质性强、缺乏系统活动性分子分层标志物的现状，研究人员建立多阶段生物标志物发现与验证框架。方法：在发现队列采用Olink靶向炎症面板（Target 96 Inflammation panel
目的：针对干燥综合征（Sj?gren’s disease，SjD）临床异质性强、缺乏系统活动性分子分层标志物的现状，研究人员建立多阶段生物标志物发现与验证框架。方法：在发现队列采用Olink靶向炎症面板（Target 96 Inflammation panel）进行血浆蛋白组学分析，筛选差异表达蛋白（differentially expressed proteins，DEPs）；在独立队列以酶联免疫吸附试验（enzyme-linked immunosorbent assay，ELISA）验证候选蛋白，并结合临床相关性分析、机器学习特征选择（LASSO、支持向量机递归特征消除、随机森林）、孟德尔随机化（Mendelian randomization，MR）及24周纵向随访评估。结果：高系统活动性（higher systemic activity，HSA）与低系统活动性（low systemic activity，LSA）患者间存在以趋化因子为主的炎症蛋白特征，CXCL10与CXCL11经多算法一致优先选出；CXCL11遗传预测水平与SjD易感性存在名义关联；24周内CXCL11动态变化与ESSDAI、ESR、IgG变化显著相关。结论：该研究揭示以CXCL11为中心的炎症特征可作为SjD系统炎性状态分子分层与动态监测的潜在生物标志物。
研究背景与问题提出
干燥综合征（Sj?gren’s disease，SjD）是一种慢性系统性自身免疫病，以涎腺、泪腺受损为核心表现，但部分患者可出现肺、肾、神经、血液等多器官系统受累。临床异质性极高，相似临床表现背后可能对应不同免疫活化模式。当前系统活动性主要依赖EULAR Sj?gren’s Syndrome Disease Activity Index（ESSDAI）进行器官域评估，该指标侧重临床表型，难以完全反映循环中的分子免疫紊乱。尤其在高系统活动性（higher systemic activity，HSA）人群中，缺乏可量化、可动态追踪的炎症蛋白标志物。因此，亟需从循环蛋白层面识别与系统活动性相关的分子特征，以补充临床评分、辅助患者分层与疗效监测。
研究人员通过开展一项多阶段研究，整合靶向蛋白组学、免疫学验证、机器学习特征优选、遗传因果推演与短期纵向随访，旨在回答三个问题：哪些炎症蛋白与SjD系统活动性相关；其中哪些特征具备稳定区分HSA与LSA的能力；CXCL11是否兼具遗传相关性与动态监测价值。研究最终得出：以CXCL11为中心的趋化因子签名可表征系统炎症状态，具备作为分层与动态标志物的潜力。
主要关键技术方法
研究基于中国广安门医院招募的SjD患者与健康对照（healthy controls，HCs）队列。发现阶段入组43例血浆样本，采用Olink Target 96 Inflammation面板（基于邻近延伸分析技术）定量92种炎症蛋白；验证阶段设独立84例队列，以ELISA复测候选蛋白。系统活动性按ESSDAI划分：LSA为ESSDAI<5，HSA为ESSDAI≥5。方法链包括：差异蛋白筛选与GO/KEGG功能富集、蛋白互作网络分析；LASSO逻辑回归、支持向量机递归特征消除（support vector machine-recursive feature elimination，SVM-RFE）、随机森林三类机器学习联合优选特征；两样本孟德尔随机化（Mendelian randomization，MR）利用循环蛋白pQTL与FinnGen中SjD汇总数据评估遗传关联；对配对基线及24周样本做纵向相关与组内变化分析。
研究结果
Olink蛋白组学识别HSA相关炎症签名与免疫通路富集
研究人员在发现队列中通过三组比较筛选DEPs，HSA相对于HC与LSA共同重叠出15个差异蛋白，以CXCL10、CXCL11、TNF-α、IL-6、IL-12B等为主。功能富集显示这些蛋白集中于细胞因子–受体相互作用、趋化因子信号、Toll样受体通路，提示HSA是一种分子上可区分的免疫活化表型。
ELISA验证HSA患者炎症蛋白升高
独立队列中，CXCL10、CXCL11、SIRT2、IL-10、MCP-2、IL-12B、TNF-α在HSA组显著升高；CXCL10与CXCL11在HC与LSA间无显著差异，但在HSA中明显跃升。IL-6与CCL4未达显著。
临床相关性分析关联候选蛋白与免疫指标
CXCL10、CXCL11、SIRT2与ESSDAI正相关；CXCL11、SIRT2、IL-12B与红细胞沉降率（erythrocyte sedimentation rate，ESR）正相关；IL-12B、TNF-α与IgG正相关；CXCL10、SIRT2、IL-10与类风湿因子（rheumatoid factor，RF）正相关。说明该蛋白签名衔接了临床活动度与体液免疫活化。
机器学习特征选择锁定CXCL10与CXCL11
LASSO保留CXCL10、CXCL11、SIRT2；SVM-RFE优选CXCL11、MCP-2、TNF-α、CXCL10；随机森林中CXCL11、CXCL10重要性居前。三者交集确认CXCL10+CXCL11为核心特征。联合模型判别HSA/LSA的AUC达0.941，优于单指标。
孟德尔随机化提供CXCL11遗传证据
两样本MR显示，遗传预测的循环CXCL11水平与SjD易感性名义相关（OR=1.210，95% CI 1.030–1.410，P=0.021），CXCL10未见显著关联。该结果未通过多重校正，但敏感性分析支持无显著异质性与水平多效性，为CXCL11的生物学相关性再添一层证据。
24周纵向分析显示CXCL11动态变化
在配对随访样本中，HSA组CXCL11降幅大于LSA组；ΔCXCL11与ΔESSDAI、ΔIgG、ΔESR均呈强正相关。结果表明CXCL11不是静态标签，而是随系统炎症演进可追踪的动态指标。
讨论与结论翻译
讨论指出，ESSDAI捕捉的是临床器官负担，而CXCL11中心签名反映IFN诱导的CXCR3配体轴活化，可能驱动T细胞迁移与腺体及系统炎症维持。研究局限包括单中心、小样本、未做域别细分、MR未达严格显著、纵向结果可能受治疗与回归均值影响。
结论部分：综上，本研究通过整合Olink靶向蛋白组学、ELISA验证、机器学习优选、遗传证据与纵向评估，识别出一个与SjD系统活动性相关的以CXCL11为中心的炎症特征。研究结果凸显CXCL11作为反映系统免疫活化的分子特征潜力，并为SjD分子分层与动态疾病监测提供了新视角。研究支持进一步评价基于CXCL11的方法用于系统活动性分层与疾病动态监测。
这篇论文解读已完成，接下来可以选择一个方向继续深化：
提炼本文审稿可提出的3个核心质疑 设计CXCL11标志物的独立验证方案 提炼本文审稿可提出的3个核心质疑 设计CXCL11标志物的独立验证方案
