清除与负担加权对简化Batten病模型鞘脂扰动响应的塑造作用

《Computational Biology and Chemistry》：Clearance and Burden Weighting Shape Sphingolipid Perturbation Responses in a Reduced Batten Disease Model

　　

• 一个简化模型将脂质池与现象学负担指数（phenomenological burden index）分离开来。
• 疾病参数导致持续累积，而非有限稳态（finite steady state）。
• 转化抑制（conversion inhibition）会升高神经酰胺（ceramide）；其对负担的影响取决于指数权重（index weights）。
• 配对模拟（paired simulations）与权重扫描（weight scans）限定了条件性干预响应（conditional intervention responses）。

CLN3相关Batten病（神经元蜡样脂褐素沉积症，neuronal ceroid lipofuscinosis）以溶酶体（lysosome）功能障碍与脂质处理异常为特征。实验研究提示CLN3参与细胞内转运及溶酶体酶组成，但不同脂质池如何响应扰动尚不明确。现有研究虽涉及糖基鞘氨醇等生物标志物，却未将其视为共同储存质量或在基因型间转移动力学常数。转化扰动可降低下游池而增加上游前体，这种再分配是否改善总体结局取决于各池贡献及清除方式。数据整合的鞘脂模型已用于约束通路动态，但在未校准系统中需明确假设输入、转化和清除的结构性后果。为此，研究人员构建了一个简化模型，将CLN3相关溶酶体功能障碍观察作为定性动机，通过配对模拟和权重扫描，区分由方程直接决定的上游池响应与依赖参数化或负担加权的指数依赖获益，从而确立可证伪的实验条件。

研究人员构建无量纲常微分方程（ODE）系统，以米氏动力学（Michaelis-Menten kinetics）描述饱和转化与清除；运用拉丁超立方采样（Latin hypercube sampling）进行全局不确定性分析并计算偏秩相关系数（partial rank correlation coefficient, PRCC）；采用有限时间端点弹性（finite-horizon endpoint elasticity）评估参数敏感度；通过配对前瞻性扰动模拟比较干预场景；实施可识别性分析（identifiability analysis）与负担权重应力测试（burden-weight stress test），扫描权重参数k_C以确定响应反转临界点。数值积分采用LSODA与DOP853算法交叉验证。样本队列为文献定性证据，未涉及临床样本。

数值校验与参考动力学：通过LSODA与DOP853算法对七种基线场景进行交叉验证，最大归一化差异为1.61×10^?8，所有状态非负且积分成功。健康参考场景在τ=100时C=0.472133、G=0.190624、L=0.654407，终端导数趋近零，系统趋于稳态。

疾病场景缺乏有限稳态：疾病参数下，τ=100时C=19.889090、G=68.137946、L=981.607477，终端导数分别约为0.163、0.711及12.171。由于最大神经酰胺清除能力（V_conv,max+f_CLNV_lyso,C,max=0.87）低于输入（1+0.02(1.6?1)=1.012），模型排除有限疾病状态平衡点，表明模拟范围内为持续累积而非平台期。

终点弹性与全局不确定性：h=0.001的有限时间弹性分析中，Vsyn,max、Vconv,max和f_CLN（CLN功能修饰因子）对C(100)的弹性分别为4.349、?3.290和?0.294；对L(100)分别为0.374、0.779和?0.918。1024次拉丁超立方采样显示L(100)中位数为967.099，2.5th–97.5th百分位区间为656.162–1394.207。最大绝对存储PRCC约为k_store（储存指数系数）的0.949、f_CLN的?0.947、k_clear（清除系数）的?0.927及V_conv,max的0.918。

TFEB与ROS扰动：TFEB激活使L(100)从981.607降至978.617（降幅0.305%），C和G在数值精度内不变；ROS缓解使L(100)降至976.654（降幅0.505%）。ROS为预设输入，设置耦合系数为零后ROS-only干预与疾病等效。

转化抑制与神经酰胺累积：V_conv,max从0.80降至0.24后，C(100)从19.889增至71.249（258.23%），G(100)降至16.915，L(100)降至384.101（较疾病降低60.87%）。标量比较表明降低转化能力在每个固定C>0处增加C的导数，故抑制轨迹不可能低于基线，此为条件性结构预测；而负担响应符号取决于指数权重。

CLN恢复与联合场景：仅将f_CLN改为0.80，L(100)=175.686（降低82.10%）。联合f_CLN恢复、TFEB激活与ROS缓解后，L(100)=172.482（降低82.43%），较单独恢复额外降低0.33个百分点（相对1.82%），未证实协同效应且未达健康参考。

对fCLN恢复的连续响应：f_CLN-only扫描（81点，0.20至1.00）显示f_CLN=0.50时L(100)=360.162（降低63.31%），此非生物学拐点；单独改变f_CLN无法重现健康参考（后者同时改变溶酶体容量和ROS）。

生物学解释的范围：模型仅输出C、G和L。胆固醇处理、BMP/GPD周转、酶靶向、自噬通量、活力和ROS产生均未模拟，证据图未提供轨迹的数值验证。

配对稳健性、时间范围依赖性与负担加权：在全部1024次主要采样、1024次重复采样、512次小设计及512次宽设计中，转化抑制均增加C并降低L；联合场景在各采样集中L(100)最低。基线转化抑制获益从T=25的57.10%变化至T=200的61.80%。增加神经酰胺权重k_C可反转转化抑制的L响应：T=100时交叉点约k_C≈0.98505，该反转不改变神经酰胺累积方向，也不确立生理学阈值。f_CLN乘积与TFEB乘积变换产生数值精度内相同轨迹，证实解析非识别性。

讨论部分首先区分了由简化方程固定的上游池响应与依赖结局定义的负担响应。转化抑制在匹配输入与清除下增加C，而当神经酰胺对L贡献足够大时表观获益反转；参数盒内的数值持续性无法确立替代结局定义下的获益。该模型为开放式双池脂质系统耦联现象学指数，非闭合三室网络，省略了补救、输入反馈、有限细胞容量、细胞丧失及区室特异性转运。所有尺度未校准，无法推断基因型严重性、患者浓度、年龄、剂量或临床时间进程。结构乘积不变性阻止从单一场景唯一估计所有名义参数。TFEB仅作用于L，其对C和G无影响是结构性强加；转化扰动是容量降低而非药物特异性动力学定律，指数无法推导细胞毒性、药物疗效或药理学相互作用。有限时间弹性依赖时间、初始条件与基线参数；重复和较宽配对采样仅支持声明设计内的方向稳健性。输入分布省略相关性，PRCC具单调性局限，探索性引导区间未保留拉丁超立方分层。四个时间范围评估了时间依赖性，初始状态不确定性和延迟治疗仍未测试。

简化鞘脂模型区分了转化抑制下的结构性神经酰胺累积与依赖结局加权的负担获益。所测疾病参数缺乏有限平衡点，若干名义参数仅以非识别性乘积形式出现。配对不确定性和时间范围分析支持条件性数值响应，而权重应力测试证明了表观获益的反转。这些结果界定了可重复的理论假设及具体的证伪条件。在治疗预测之前，生物学校准和独立验证仍然是必要的。