《Frontiers in Immunology》：From thresholds to trajectories: a perspective on reframing alloimmune risk for computational modeling in solid organ transplantation
编辑推荐：
摘要：实体器官移植中的免疫学风险预测长期依赖基于阈值的组织相容性数据表征：供体特异性抗体（Donor-Specific Antibody, DSA）按阳性或阴性报告、平均荧光强度（Mean Fluorescence Intensity, MFI）采用固定截断值
摘要：实体器官移植中的免疫学风险预测长期依赖基于阈值的组织相容性数据表征：供体特异性抗体（Donor-Specific Antibody, DSA）按阳性或阴性报告、平均荧光强度（Mean Fluorescence Intensity, MFI）采用固定截断值评估、分子错配于移植时一次性赋值、以及单时间点判读检测。这些惯例虽便于临床操作，却简化了免疫应答复杂且动态的本质。本展望中，研究人员提出随着机器学习（Machine Learning, ML）算法及计算方法进入移植免疫学领域，须审视输入模型的特征是否能反映同种免疫（Alloimmunity）的真实行为。研究人员建议将同种免疫风险视为随时间更新的时间索引同种免疫状态（Time-Indexed Alloimmune State），并在四个维度进行追踪：抗体谱（Antibody Profile）、分子错配与预测免疫原性（Molecular Mismatch and Predicted Immunogenicity）、受者免疫背景（Recipient Immune Context）及移植物背景（Graft Context）。在此框架下，经验丰富的临床医师与组织相容性专家已常规追踪的特征（如DSA变化速率/Velocity、持续状态/Persistence、表位扩散/Epitope Spreading、与移植物损伤的吻合度）可转化为可计算变量而非隐性经验。文中讨论了从阈值转向轨迹对模型设计的影响、为何HLA实验室的专业价值因此更加重要、以及可解释性（Interpretability）、监管审查与外部验证应先于临床采纳。
论文解读：《From thresholds to trajectories: a perspective on reframing alloimmune risk for computational modeling in solid organ transplantation》
该文发表于Frontiers in Immunology，是一篇前瞻性（Perspective）论述文章。目前实体器官（尤指肾）移植的免疫学风险评估普遍采用静态阈值法——DSA仅报阳性/阴性、MFI套用固定界值、分子错配在移植当日单次赋值、检测仅取单时间点快照。这种做法丢失了抗体强度演变趋势、补体结合功能转换、表位扩散及移植物功能并行变化等关键信息，导致免疫学状态相似而临床风险迥异的患者被归为同一类。随着机器学习介入移植预后预测，若输入变量本身已因阈值化而信息缺损，模型将无法捕捉真实的同种免疫动力学。为此，研究人员提出以"时间索引同种免疫状态"及"免疫轨迹（Immune Trajectory）"替代传统阈值表征，将临床专家的经验性纵向推理 formalized、 computable化，适配ML建模需求，并探讨其对未来计算移植学（Computational Transplant Immunology）的意义。
主要关键技术方法概述
本研究为概念性展望，未涉及原始实验。文中援引的证据来自已发表的肾移植受者系列DSA监测队列、单抗原微珠（Single-Antigen Bead, SAB）检测数据及分子错配（eplet/氨基酸序列错配）分析文献。建议的计算框架拟通过接口对接实验室信息系统（LIS）和电子病历（EMR），提取多时间点受者HLA分型、历史及现患DSA特异性/强度/MFI/补体结合/抗体库广度、免疫抑制及感染炎症状态、移植物功能指标[eGFR、血肌酐、尿蛋白、供体来源游离DNA（Donor-Derived Cell-Free DNA, dd-cfDNA）、活检Banff分级]，构建按时间排序的同种免疫状态序列。推荐采用联合模型（Joint Models for Longitudinal and Survival Data）、时变协变量生存模型或适用于不规则采样纵向数据的循环神经网络/Transformer架构进行建模。
研究结果（按原文小标题归纳）
1 Introduction: current data structures may not fully capture alloimmune complexity
研究人员通过举例两名术后18个月肾移植受者——同期检出相似MFI的抗HLA-DQ DSA且分子错配评分相近——指出单时间点阈值法无法区分：患者1为长期稳定DSA、MFI平坦、无补体结合、无新特异性、eGFR及dd-cfDNA正常（惰性状态）；患者2为新发上升DSA、新获补体结合、出现表位扩散、eGFR下降、dd-cfDNA升高（高排斥风险）。结论：现行静态二元表征丢失纵向与情境信息，不能反映真实同种免疫异质性，需在计算建模时重构输入特征。
2 The persistence and limitations of threshold-based thinking
研究人员指出MFI受微珠抗原密度、抑制因子、批间差等影响，非抗体浓度或致病力直接度量，但常被误作线性生物量；DSA阳性/阴性二分法忽略抗体库构成、补体结合能力及临床并行信息。部分受者可长期携带高滴度DSA而无损伤，另一些低滴度即发生排斥——说明多维生物学被窄化解读产生信息损失，强调阈值简化可能削弱下游预测性能。
3 Alloimmunity as a dynamic biological system
研究人员阐述同种免疫应答含B细胞活化、亲和力成熟、Tfh参与、表位扩散等过程，受免疫抑制、感染、疫苗、炎症及依从性调节；单时间点DSA仅为动态过程的截面快照，须依靠序贯监测判断方向、持续时长及致病倾向。分子错配影响初始识别但不决定损伤演进，其预测价值需结合纵向抗体行为与移植物损伤标志综合解读。
4 The alloimmune state: a multidimensional framework
研究人员提出将同种免疫状态定义为随新数据实时更新的时间索引多维向量，涵盖四域：①抗体谱——DSA特异性、强度、持续时长、既往抗体史、补体结合（C1q/C3d/C4d等，如有）、稀释曲线、抗体库广度；②分子错配与预测免疫原性——氨基酸序列错配、表位（Eplet）负荷、预测间接提呈及静电/理化差异；③受者免疫背景——免疫抑制方案与谷浓度/依从性、感染、疫苗接种、炎症、致敏史、免疫活化标志物；④移植物背景——移植后时间、eGFR、血肌酐、蛋白尿、dd-cfDNA、排斥史及活检Banff分类（如有）。此框架使临床专家隐性推理显性化、可计算化。
5 Immune trajectory: capturing change over time
研究人员强调应关注MFI变化速率与方向、抗体库是否沿共享表位方向扩展、DSA功能属性（如补体结合转换）是否趋向致病，而非仅问"有无DSA"。连续时间点状态串联形成免疫轨迹，可分型为稳定（Stable）、消退（Resolving）或恶化（Escalating），类比HIV病毒载量动力学或肿瘤标志物时变模型。轨迹特征（DSA新现/持续/消失、MFI增速、表位扩散出现时机等）方为ML可学习的预测信号。
6 Computational implications: modeling the process, not a snapshot
研究人员综述ML在移植领域应用现状（HLA-肽结合亲和力预测、新生DSA预测、表位匹配评分、B-HOT及MMDx分子显微镜等），指出模型质量受限于训练数据表征：若输入仅为二值DSA、峰值MFI或固定分子错配标量，时序与语境信息已预丢弃。理想ML兼容性评估工具应从LIS/EMR抽取上述四域多时点数据，形成同种免疫状态序列，适用联合模型、时变协变量或深度时序模型，使专家辨认的动态模式可被算法量化。
7 Interpretability and the role of the HLA laboratory
研究人员认为轨迹框架反而提升HLA实验室重要性：模型依赖高质量SAB数据、假阳性识别、非特异反应排查及临床背景锚定。ML可辅助识别重复反应模式、降低中心间判读变异、检测批间异常，但须基于大样本严标注数据集与基准测试。反对未经外部验证与可解释性检验的"黑箱"模型直接用于临床，强调HLA专家最终把关，工具定位为辅助而非替代。
8 Testable implications and future directions
研究人员提出可验证假设：①纵向DSA特征（速度、持久性、轨迹形态）是否优于单点/峰值MFI预测排斥或移植物损伤？②分子错配联合免疫抑制暴露、炎症事件及抗体轨迹能否提升预测力？③轨迹模型在不同SAB判读惯例的中心间是否具有稳健性？呼吁建立链接系列抗体谱、实验室判读、治疗、移植物损伤标志、活检及临床结局的多中心数据库，模型评价除区分度（Discrimination）外须考量可解释性、临床效用、公平性及泛化能力，并要求数据隐私保护与监管合规；HLA专家、医师、数据科学家及监管机构需协同推进。
9 Conclusion（结论译文）
随着移植免疫学步入ML预测工具日渐普及的时代，须将组织相容性数据捕获由静态范式转向动态范式。研究人员主张同种免疫风险应在随时间演化的序贯多维状态背景下评估。这种从阈值到轨迹（From Thresholds to Trajectories）的转变更贴合移植临床医师与HLA实验室专家既有的风险推理方式。计算建模在移植领域的潜力，不仅取决于更大数据集或更先进算法，更取决于能否以保留复杂动态本质的形式表征同种免疫生物学。更优的数据表征可作为测量与预测、实验室判读与临床决策之间的桥梁。
（全文完）
