《Frontiers in Immunology》：Transcriptomics and AI-driven approaches to the diagnosis and treatment of rheumatoid arthritis
编辑推荐：
这篇综述系统阐述了转录组学（包括bulk RNA-seq、scRNA-seq和空间转录组学）与人工智能（AI）/机器学习（ML）算法在解析类风湿关节炎（RA）复杂发病机制中的应用。文章重点介绍了这些技术如何协同工作，以发现新的生物标志物、揭示疾病相关细胞亚群（如特定的成纤维细胞和免疫细胞），并阐明关键信号通路（如干扰素、TNF、IL-6通路），从而推动RA的精准诊断、患者分层（如区分治疗应答者）和个体化治疗策略的发展。
1. 引言
类风湿关节炎（RA）是一种以持续性关节炎症、疼痛和进行性组织损伤为特征的慢性自身免疫性疾病。其发病机制涉及遗传易感性、环境因素、表观遗传修饰和免疫信号失调之间复杂的相互作用。失调的RNA表达通过扰乱免疫细胞、炎症细胞和基质细胞的程序，是驱动RA进展的关键因素。近年来，转录组学技术的进步彻底改变了对RA生物学的理解。其中，批量RNA测序（bulk RNA-seq）揭示了关键失调通路和疾病相关的分子特征；单细胞RNA测序（scRNA-seq）则通过定义广泛的细胞异质性和发现与疾病起始、进展及治疗反应相关的稀有免疫及基质细胞群，极大地扩展了我们的认知。空间转录组学的出现增加了一个新维度，它通过保留组织空间结构，能够在发炎的关节等受累组织中精确定位致病细胞状态并绘制细胞间相互作用图谱。将转录组学数据与先进的机器学习（ML）方法（如随机森林、XGBoost、支持向量机-SVM、人工神经网络-ANN和LASSO回归）相结合，加速了生物标志物的发现。互补性的网络和通路分析工具，如加权基因共表达网络分析（WGCNA）和基因集变异分析（GSVA），则有助于发现共调控模块并优化临床相关特征。这些技术的整合，为识别新的生物标志物和致病细胞群、从而推动RA的精准医疗提供了强大机会。
2. 用于RA研究的机器学习模型比较
随着RA转录组学和临床数据集的不断增多，需要先进的分析框架来从高维数据中提取具有生物学和临床意义的见解。因此，AI和ML方法已成为转录组学研究的核心。在风湿病学领域，随机森林和极限梯度提升（XGBoost）等监督学习模型因其鲁棒性和处理复杂非线性关系的能力，被广泛用于患者分层和结果预测。特征选择和网络推理技术，如最小绝对收缩和选择算子（LASSO）和图LASSO（GLASSO），有助于识别疾病机制背后稀疏的基因特征和调控相互作用。系统层面的方法如WGCNA能够检测与临床特征相关的共表达基因模块，而基于通路的方法如GSVA则支持对转录组谱进行功能解释。模型性能常用马修斯相关系数（MCC）等指标评估，该指标对于风湿病研究中常见的不平衡数据集尤其有用。
- •
随机森林：这是一种集成学习方法，通过构建多个决策树并进行多数表决（分类）或平均（回归）来做出预测。它抗过拟合能力强，擅长处理特征数量多的数据，并能提供变量重要性指标，常用于基因表达分析和疾病诊断。
- •
加权基因共表达网络分析（WGCNA）：该方法用于识别具有相似表达模式的基因模块。它将基因视为网络节点，边代表其表达之间的相关性强度。WGCNA可以将基因模块与表型特征（如组织类型或疾病阶段）联系起来，从而促进生物学解释。
- •
基因集变异分析（GSVA）：这是一种用于评估通路活性的方法，通过将基因表达数据转换为基因集水平的富集分数，实现对转录组谱的通路水平解读。
- •
极限梯度提升（XGBoost）：这是梯度提升算法的扩展，是最高效的ML工具之一。它通过迭代构建决策树来纠正前一棵树的错误，具有高性能正则化能力和对不完整数据的耐受性，在临床和组学数据分析中通常比传统统计模型具有更高准确性。
- •
马修斯相关系数（MCC）：这是一个用于评估二分类质量的指标，尤其适用于不平衡数据集。它考虑了混淆矩阵的所有四个元素（真阳性TP、真阴性TN、假阳性FP、假阴性FN），结果更可靠。
- •
最小绝对收缩和选择算子与图LASSO（LASSO与GLASSO）：LASSO是一种使用L1正则化的线性回归技术，有助于识别最重要的变量。GLASSO通过将L1惩罚项添加到逆协方差矩阵的元素中，扩展了这一概念，从而揭示变量间依赖关系的网络结构。
- •
支持向量机-递归特征消除（SVM-RFE）：该方法基于支持向量机（SVM）分类器，通过迭代训练和根据模型赋予的权重评估每个特征的重要性，逐步移除最不重要的特征，以获得最具信息量的变量子集。
- •
人工神经网络（ANN）：ANN是受生物神经元结构和功能启发的统计模型，能够模拟复杂多维数据关系，是数据建模和分析的强大工具。
3. 机器学习在RA基于RNA的生物标志物发现中的应用
RA在临床和生物学上具有高度异质性，这限制了传统生物标志物发现方法的稳健性和可重复性。在此背景下，批量RNA-seq（bulk RNA-seq）结合ML方法，能够识别复杂的多基因表达模式，从而增强RA的生物标志物发现和患者分层。
多项研究展示了ML在此方面的实际应用。例如，有研究结合随机森林分类器和GLASSO网络方法，从全血转录组数据中鉴定出边缘区B和B1细胞特异性蛋白（MZB1）是预测阿达木单抗治疗反应的关键枢纽基因。另一项研究则通过整合SVM-RFE、ANN、LASSO和WGCNA等多种算法，确定了MMP9、CXCL10、IL15和FOXO3是与RA、细胞衰老和自噬相关的重要生物标志物。利用WGCNA对GEO数据集（如GSE45291）的分析，发现了UHMK1、APOC2、SFT2D1和ELK4等与RA发病机制相关的枢纽基因。通过整合GSVA、WGCNA以及LASSO、SVM-RFE、XGBoost、随机森林等多种ML算法，研究者从GSE77298数据集中鉴定出TMEM45A和ZBTB25是线粒体自噬相关的生物标志物，并经ANN模型验证具有高诊断准确性。还有研究使用LASSO和SVM-RFE算法，结合GSE89408和GSE55235数据集，确定了S100A8、ABCC4、VAMP2、PIM2和ISG20等端粒相关生物标志物，其中一些与甲氨蝶呤有强结合亲和力。此外，MCC算法结合多种ML筛选，识别出STAT1、JUN、MYC和EGFR等与RA衰老相关的生物标志物。GSVA分析也揭示了IL1B、S100A8、NFKB1、STAT3在中性粒细胞阳性RA组中显著上调。对多个数据集的整合分析，通过LASSO和随机森林，持续优先筛选出GPR65、STAT1、PTTG1、C1QA、SHTN1、FCGR3B、TMEM176B、CD74和SLC7A7等关键特征。环状RNA（circRNA）也可作为RA血液样本的生物标志物，例如hsa-circ0002715和hsa-circ0001946的表达水平可能与肿瘤坏死因子抑制剂（TNFi）的治疗反应相关。
4. 机器学习在RA单细胞和空间转录组学中的应用
单细胞RNA测序（scRNA-seq）和空间转录组学能够高分辨率表征细胞异质性和发炎滑膜组织的空间结构，为解析RA的致病机制提供了强大工具。AI/ML方法在分析这些高维数据时至关重要，包括降维可视化（如PCA、t-SNE、UMAP、自编码器scVI）、细胞聚类、自动细胞类型注释、细胞轨迹分析和多数据集整合。
应用这些技术的研究已取得重要进展。例如，通过结合质谱流式细胞术聚类（由t-SNE算法支持）和转录组学，揭示了在RA滑膜中扩增的细胞表型，包括产生IL-6的主要来源——CD90+CD34-HLA-DRAhi衬里下层成纤维细胞、促炎性IL-1β+单核细胞、自身免疫相关的ITGAX+TBX21+B细胞以及PDCD1+T外周辅助细胞和滤泡T细胞。通过将不同的滑膜病理类型与scRNA-seq定义的滑膜成纤维细胞（SF）亚型相关联，加深了对RA发病机制的理解。研究将RA SF分为四组：PRG4+SF（衬里层）、CXCL12+SF、POSTN+SF和CXCL14+SF，而病理模式包括纤维型、髓系型和淋巴型。在纤维型和淋巴型病理中，疾病参数分别与PRG4+和POSTN+SF的存在相关，而CXCL14+SF在所有病理类型中均与疾病严重程度呈负相关。另一项研究整合了eQTL、GWAS、scRNA-seq和bulk RNA-seq等多组学数据集，并应用XGBoost、GBM、NNET、SVM、KNN等多种AI算法探索RA中T细胞谱和微环境，构建了T细胞相关诊断模型，确定了ICOS、IL6ST和PPP1CB是RA的风险因素，而GADD45A、CD3D、SLFN5、PIP4K2A和MIER1是保护因素。利用DeepTopics框架，研究者在具有异位淋巴结构的类风湿滑膜组织中识别出特定的细胞群落，例如富含IgM+浆细胞和初始B细胞的群落，以及由CD34+成纤维细胞样滑膜细胞和LYVE1+MERTK+巨噬细胞表征的基质-巨噬细胞生态位。此外，一种名为基于图的基因表达模块识别（GbGMI）的新ML方法，帮助发现了在低炎症滑膜中介导关节疼痛的因素，即滑膜衬里成纤维细胞产生的Netrin-4（NTN4）可显著增强对疼痛敏感的CGRP+感觉神经的分支，这解释了为何炎症有限的RA患者也可能经历剧烈疼痛。
5. 优势
AI驱动的单细胞和空间转录组学大数据分析在RA中的主要优势在于，能够快速有效地识别大型数据集中的模式和趋势，这些可能作为疾病发展的潜在生物标志物。鉴于此类数据的复杂性，传统的人工驱动方法无法进行这种分析。此外，基于AI的批量数据分析可以与单细胞数据整合，从而获得更精确、更深入的见解。
6. 局限性
尽管AI是医学和科学中非常有价值的强大工具，但在某些领域它无法取代人类或传统方法，尤其是在现实世界的临床实践中。AI不能替代对生物学的深刻理解、临床责任、伦理判断、实验室经验或人际互动——它只能支持这些要素。此外，公共讨论需要为基于AI的诊断所伴随的高成本提供合理性证明，以使其在常规临床实践中的应用合法化。虽然AI工具可以帮助识别分子特征，但需保持谨慎，因为这些特征可能在生物学上难以解释、不稳定或在临床上无法验证。这一限制源于生物系统的复杂性并不随可用数据量线性扩展。AI工具的使用可能会加速潜在预测性生物标志物的发现和验证，从而推动个体化治疗策略。但由于患者间的生物学异质性、疾病随时间的动态变化、治疗成本和后勤限制，这些策略应被理解为涉及有限数量的分层患者群体，而非完全个体化的疗法。
7. 结论
本综述总结了当前知识，并概述了如何利用基于AI的方法分析批量、单细胞和空间转录组学数据，以揭示RA发病机制中疾病特异性的基因表达程序、致病细胞群和炎症微环境，这些是传统免疫学技术难以触及的。AI和ML工具对于解释这些高维数据集、实现数据整合、分子疾病分层、生物标志物发现和治疗反应预测至关重要。这些进展通过识别具有生物学和临床意义的患者亚群，支持风湿病学向精准医疗的转变。尽管具有变革潜力，但基于AI的方法不能取代生物学知识、临床专业知识或伦理责任。来自计算分析的分子特征可能难以解释或在临床上验证，这反映了生物系统的复杂性。因此，仔细的验证、临床监督和成本效益考量对于将这些技术转化为常规实践至关重要。
