基于多组学整合与人工神经网络构建的基因特征模型用于早期鉴别代谢功能障碍相关脂肪肝与代谢功能障碍相关脂肪性肝炎

《Frontiers in Immunology》:Integrated transcriptomic and single cell analysis combined with artificial neural network identifies a robust gene signature for early discrimination of MASL and MASH

【字体: 大 中 小 】 时间:2026年04月20日 来源:Frontiers in Immunology 5.9

编辑推荐:

  为解决代谢功能障碍相关脂肪肝病(MASLD)早期鉴别难题,研究人员通过整合转录组与单细胞数据构建了包含 MMP9、FABP5 等 6 个关键基因的人工神经网络模型,在验证队列中 AUC 达 0.893,为无创诊断提供了新策略。

  

背景:当肝脏“变胖”之后,如何捕捉炎症的蛛丝马迹?

在全球范围内,代谢功能障碍相关脂肪肝病(MASLD,前身为非酒精性脂肪肝病 NAFLD)已成为最普遍的慢性肝病,影响着近 30% 的成年人口。更令人担忧的是,其中约四分之一的患者会从单纯的肝脏脂肪变性(MASL)进展为代谢功能障碍相关脂肪性肝炎(MASH),后者伴随着肝细胞损伤、炎症及纤维化,是导致肝硬化甚至肝癌的高危因素。尽管 MASH 的临床负担日益加重,但早期准确区分 MASL 与 MASH 仍是一大挑战。肝脏活检作为“金标准”存在侵入性、取样误差及患者接受度低等问题;而现有的影像学及血清学指标要么成本高昂,要么特异性不足,难以满足大规模筛查的需求。因此,开发一种高精度、非侵入性的分子诊断工具,对于实现早期干预、阻断疾病进展至关重要。

技术路线概览:多组学数据与机器学习的“强强联合”

本研究整合了来自 GEO 数据库的 5 个转录组数据集(训练集含 149 MASL 与 158 MASH 样本)及 1 个独立验证集(GSE135251,含 51 MASL 与 155 MASH 样本)。通过差异表达分析、加权基因共表达网络分析(WGCNA)筛选候选基因,并结合蛋白互作网络拓扑分析及三种机器学习算法(LASSO、SVM-RFE、随机森林)锁定关键特征。最终利用人工神经网络(ANN)构建诊断模型,并借助单细胞 RNA 测序(scRNA-seq)数据解析细胞来源及免疫微环境变化。

研究结果

1. 锁定“六基因签名”:从海量数据中淘出的诊断金标

通过整合多队列转录组数据并应用严格的筛选流程,研究团队从 656 个差异表达基因中最终确定了 6 个核心基因:MMP9、FABP5、TREM2、CTSD、UBD 和 MAP2K1。其中前 5 个基因在 MASH 中显著上调,而 MAP2K1 则呈现下调趋势。这 6 个基因不仅通过了多种机器学习算法的交叉验证,更在独立验证队列中展现出了稳健的鉴别能力。

2. 人工神经网络模型:高维数据的“智能裁判”

基于这 6 个关键基因构建的人工神经网络模型,在区分 MASL 与 MASH 方面表现卓越。在训练队列中,模型曲线下面积(AUC)表现优异;在独立的 GSE135251 验证队列中,AUC 更是达到了 0.893(95% CI: 0.854–0.925),显著优于单个基因的诊断效能,证明了多基因组合模型在复杂疾病分型中的优势。

3. 免疫微环境揭秘:MASH 是免疫细胞的“战场”

利用 CIBERSORT 算法反卷积免疫细胞组成,研究发现 MASH 肝脏中单核细胞、M0/M1 型巨噬细胞以及活化的树突状细胞比例显著升高。这一发现提示,先天免疫系统的过度激活是 MASH 炎症反应的核心驱动力。进一步的相关性分析显示,关键基因(如 MMP9、TREM2)的表达与这些免疫细胞的浸润水平密切相关,揭示了基因签名背后的免疫学基础。

4. 单细胞定位:基因在“谁”身上表达?

为了追溯关键基因的细胞来源,研究团队分析了人类肝脏单细胞测序数据(GSE136103)。结果显示,这 6 个关键基因并非均匀分布,而是主要富集于髓系细胞群体(如巨噬细胞、Kupffer 细胞)。这一发现不仅验证了免疫浸润分析的结果,更从细胞分辨率层面证实了髓系细胞在 MASLD 向 MASH 进展中的核心作用。

5. 实验验证与机制探索:从数据到临床的闭环

通过 60 例临床肝组织样本的定量 PCR 验证,证实了 6 个关键基因的表达趋势与生物信息学预测高度一致。此外,药物关联分析发现了多个与关键基因相关的潜在治疗化合物,而 ceRNA 网络构建则揭示了可能的转录后调控机制,为后续靶向治疗开发提供了线索。

结论与展望

本研究成功构建并验证了一个基于 6 个基因(MMP9、FABP5、TREM2、CTSD、UBD、MAP2K1)的人工神经网络诊断模型,该模型能够以高准确度(AUC > 0.89)无创区分 MASL 与 MASH。研究不仅提供了具有临床转化潜力的诊断工具,更通过多组学整合分析,深入揭示了髓系细胞介导的免疫代谢失调在疾病进展中的关键作用。该成果为 MASLD 的早期风险分层和精准干预提供了新的分子靶点与决策依据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号