《International Journal of Molecular Sciences》：Multi-Omics Integration in Stroke: Neuroinflammatory Endotypes, Immune Cell Crosstalk, and Precision Biomarker Discovery
卒中仍是全球死亡与致残的首要原因之一，但临床管理受限于巨大的生物学异质性，单生物标志物与单组学策略难以解析该异质性。整合基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学与免疫组学等多分子数据层，为探究不同卒中亚型与内型潜在神经炎症机制提供了变革性框架。本综述通过梳理当前卒中领域多组学研究证据，阐明遗传变异如何沿调控与免疫通路传递并产生可测量的分子特征及临床相关生物标志物。研究人员探讨了小胶质细胞、浸润性单核细胞来源巨噬细胞、星形胶质细胞、中性粒细胞、T细胞与内皮细胞作为卒中后神经免疫网络交互节点的作用，并分析了空间分辨单细胞转录组学如何揭示传统批量组织分析无法检测的状态特异性程序。研究人员讨论了蛋白质组学与代谢组学如何将这些细胞程序转化为可操作的循环生物标志物，并审视了血脑屏障破坏与神经血管单元重塑作为多组学定义靶点的新兴证据。随后，研究人员探索了人工智能与机器学习框架在整合异质性高维数据集以实现内型分类、患者分层及治疗反应预测方面的应用。最后，研究人员阐述了分析标准化、多祖先普适性与监管就绪性等转化壁垒，并提出了基于系统免疫学的精准卒中医学路线图。本综述的核心概念要点在于从描述卒中病例的组学发现，转向重新定义具有生物学意义的神经炎症内型，并利用多组学推动精准脑血管病诊疗。
- 1.
Introduction
卒中是全球第二大死因，也是成人获得性残疾的首要原因，据估计每年新增1210万病例，现存病例达1.01亿。尽管溶栓与机械取栓技术已取得显著进展，仍有相当比例的患者遗留残疾或死亡，超过半数接受取栓治疗的患者存在持续性长期神经功能残疾。这一持续存在的疗效瓶颈并非治疗手段不足，而是源于生物学异质性的根本挑战：卒中并非单一疾病，而是血管、免疫与代谢表型的集合，这些表型临床表现重叠，但其潜在机制、炎症演变轨迹与治疗反应存在显著差异。卒中研究的根本悖论与心血管医学的更广泛悖论相呼应：全基因组关联研究（GWAS）已识别出数十个涵盖血管完整性、脂质代谢、炎症与动脉粥样硬化发生的易感位点，但将这些遗传信号转化为临床适用的生物标志物或治疗手段仍面临挑战。这种变异-表型鸿沟反映了卒中发病机制的层级复杂性，多数风险等位基因定位于非编码调控区，其效应具有环境特异性、细胞类型依赖性，并受环境与免疫状态动态修饰。没有任何单一分析方法能够弥合这一鸿沟。整合基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学与免疫组学等多组学层，为追踪遗传易感性如何通过分子网络传递并产生可测量、具临床相关性的表型提供了系统性框架。
神经炎症现已被认为是卒中损伤与修复的核心驱动因素，而非神经元损伤的继发性伴随现象。卒中后免疫反应涉及脑内驻留小胶质细胞的快速激活、循环中性粒细胞、单核细胞与淋巴细胞的序贯招募，以及血脑屏障（BBB）的破坏。中枢与外周免疫区室之间的双向通讯可在急性事件后持续数周甚至数月。关键在于，这些神经免疫动力学具有异质性：炎症反应的强度、组成与时间演化在不同患者、卒中亚型、病变部位与共病之间存在显著差异，进而影响恢复轨迹。从分子层面解析这一异质性，是开发分层疗法的前提——这类疗法需在正确的时间针对正确的患者靶向特定炎症通路。单细胞与空间分辨转录组学的出现改变了神经炎症生物学的研究范式，使得在完整组织结构中对细胞类型特异性基因程序进行直接表征成为可能。卒中后脑与血液的动态单细胞图谱揭示了缺血-再灌注时间轴内不同小胶质细胞、巨噬细胞、中性粒细胞与内皮细胞的动态演化转录状态，为传统批量分析无法实现的的内型分类提供了生物学基础。与此同时，大规模血浆蛋白质组学与代谢组学平台识别出的循环特征可捕捉全身免疫代谢失调，具备作为精准生物标志物的转化潜力。人工智能与机器学习在整合这些异质性高维数据集、提取适用于临床决策支持的、可重复的预测信号方面正发挥日益重要的作用。鉴于卒中诱导的神经炎症的复杂性与生物学异质性，核心概念挑战不仅在于积累更多组学数据集，更在于将这些分子层整合为机制可解释的疾病框架。本综述的核心前提是：不再局限于描述与卒中相关的组学发现，而是探究多组学整合如何重新定义具有生物学意义的神经炎症卒中内型，并赋能精准脑血管病诊疗，这需要实现从单层生物标志物发现到系统免疫学框架的跨越，将遗传易感性、细胞免疫程序、分子中介与临床表型整合于统一的机制可解释架构中。
本综述采用精准医学方法，综合当前卒中治疗中多组学整合的相关证据。首先阐述卒中的临床异质性与神经炎症内型划分的依据（第2节）；其次探讨各主要组学层及其对卒中病理生物学的贡献（第3节）；通过整合单细胞与空间证据，分析神经免疫轴的免疫细胞互作（第4节）；探索基于整合多组学数据集的生物标志物与内型发现（第5节）；审视用于多组学整合与临床转化的人工智能与机器学习框架（第6节）；随后阐述当前限制临床应用的的关键转化壁垒（第7节），并提出前瞻性精准医学路线图（第8节）。图1总结了本综述所涉及的系统级框架，展示遗传易感性、免疫细胞状态转换、分子效应物、循环生物标志物与人工智能辅助多组学整合如何共同识别卒中中具有生物学意义的神经炎症内型，并支撑精准脑血管病诊疗。
- 2.
Clinical Heterogeneity of Stroke and the Importance of Neuroinflammatory Endotyping
缺血性卒中包含多种病理生理亚型，其上游机制、免疫激活谱与治疗敏感性存在显著差异，包括大动脉粥样硬化型、心源性栓塞型、小血管闭塞型、隐源性卒中及其他明确病因型。出血性卒中（含脑出血与蛛网膜下腔出血）通过占位效应、血红蛋白介导毒性及胶质与免疫细胞激活模式差异引入了进一步的机制分化。在各病因类别内部，炎症负荷、病变体积、半暗带挽救可能性与长期恢复的个体间差异同样显著，而现有患者分层体系未能充分捕捉这些差异。神经炎症内型的概念源于这样一种认识：临床表现相似的卒中可能由生物学上截然不同的炎症程序驱动，该方法正日益与脑血管病领域的精准医学框架保持一致。若患者卒中由免疫血栓性中性粒细胞-血小板相互作用驱动，其对抗炎策略的反应可能与以微胶质细胞激活不匹配或胞葬作用受损为主的患者存在差异。内型分类需要能够捕捉因果炎症通路的生物标志物，而非组织损伤的非特异性指标。
多组学整合尤其适用于内型发现，因为不同组学层可捕捉炎症异质性的互补维度：基因组学识别遗传易感性并实现因果推断；表观基因组学揭示调控状态与环境-基因交互；转录组学捕捉活跃基因程序与细胞状态转换；蛋白质组学识别功能效应物与循环特征；代谢组学反映全身生化结局；免疫组学解析免疫细胞组成与激活状态。这些层面共同可识别出具有共享多组学特征的患者亚组，这些特征定义了机制一致的内型，且适合靶向干预，随着大型多组学卒中队列的成熟，该框架已开始产生临床成果。
Cerebral Small Vessel Disease: A New Multi-Omics Target
尽管当前多数卒中多组学研究聚焦于急性缺血性卒中，越来越多的关注正转向脑小血管病（CSVD）——其为缺血性卒中、血管性认知障碍与痴呆的主要诱因。CSVD日益被认为是一种复杂的神经血管疾病，涉及内皮功能障碍、慢性炎症、血脑屏障破坏、免疫信号异常与血管周围病变，这些机制与本综述讨论的生物学通路大量重叠，支持CSVD是脑血管病更广泛谱系中慢性神经炎症内型的观点。近期多组学研究已开始表征与CSVD内皮激活、细胞外基质重塑、血管衰老及炎症通路失调相关的分子特征。整合转录组学、蛋白质组学、代谢组学与神经影像学的分析揭示了CSVD进展、认知下降与神经退行性疾病通路之间的生物学联系，表明系统级分子分型可改善风险分层并促进生物学上不同的CSVD亚群的识别。未来整合多组学数据集与先进神经影像生物标志物的研究，有望实现疾病的更早检出、改进机制分类，并为CSVD及相关血管性认知障碍患者开发靶向预防与治疗策略。
- 3.
Multi-Omics Layers in Stroke: From Genetic Architecture to Molecular Phenotypes
3.1 Genomics: Heritable Risk Architecture and Stroke Susceptibility Loci
卒中的遗传结构复杂且为多基因性。大规模全基因组关联研究（GWAS）已识别出40余个易感位点，涵盖血管完整性基因（心房颤动相关卒中的PITX2、ZFHX3）、脂质代谢（SORT1、PCSK9通路）、炎症（9p21/ANRIL）、表观遗传调控（HDAC9）与小血管生物学（FOXF2、ARID1B）。一项整合超52万参与者的多祖先荟萃分析识别出32个与卒中相关的位点，并揭示了效应在祖先与性别间的显著异质性，强调了未来探索性研究中需要多样化队列代表性。多数GWAS信号定位于非编码调控区，需整合表观基因组与功能数据以识别因果变异与效应基因。解读这些位点日益依赖整合功能基因组学方法，可将调控变异与细胞特异性生物学程序相关联。一项整合人脑与血管组织GWAS、单核染色质可及性与基因表达数据的多组学全关联研究，识别出了新的效应基因与卒中风险位点背后的组织特异性调控机制。基于多祖先GWAS数据推导的多基因风险评分（PRS）已开始显示出早期卒中风险分层的临床效用，但在非欧洲祖先中的普适性及捕捉罕见变异贡献全谱的能力仍是需要积极发展的方法学局限。孟德尔随机化（MR）研究利用遗传工具确立了炎症介质、脂质类型与卒中风险之间的因果关系，为独立于观察性混杂的生物标志物优先级排序提供了生物学基础。在卒中背景下，MR已识别出特定细胞因子通路、凝血因子与脂蛋白亚组分与不同卒中亚型存在因果关联，为多组学生物标志物开发提供了遗传学框架。
3.2 Epigenomics: Regulatory State, DNA Methylation, and Non-Coding Variant Interpretation
表观基因组学分析为解读非编码遗传风险变异、理解环境暴露、年龄与炎症如何重塑卒中相关细胞类型的基因程序提供了必要的调控背景。表观基因组全关联研究（EWAS）已识别出与卒中风险及结局相关的DNA甲基化位点，近期分析强调免疫与内皮细胞群中的调控元件富含卒中相关信号。HDAC9是最常被复现的卒中易感位点之一，其编码的组蛋白去乙酰化酶的的风险变异影响血管平滑肌与免疫细胞的染色质可及性与转录程序，展示了表观基因组机制如何将遗传风险转化为与动脉粥样硬化及斑块不稳定性相关的细胞表型。在急性卒中背景下，表观基因组状态转换活跃发生于小胶质细胞、浸润性髓系细胞与内皮细胞中，重塑决定促炎损伤放大与促修复平衡的基因调控程序。单细胞染色质可及性分析（scATAC-seq）正开始在细胞类型分辨率下绘制这些状态转换，揭示炎症刺激如何在机制上重塑小胶质细胞亚群与髓系细胞状态之间的调控环境。这些表观基因组图谱构成了连接遗传风险、环境改变与驱动神经炎症异质性的活跃转录程序的关键桥梁。
3.3 Transcriptomics: Gene Expression Programs, Single-Cell Atlases, and Spatial Resolution
过去三年中，转录组学为卒中神经炎症提供了最具变革性的信息，单细胞RNA测序（scRNA-seq）与空间分辨转录组学的广泛应用是核心驱动力。Garcia-Bonilla等人的开创性研究通过对小鼠缺血性卒中后2天与14天的脑与血液进行纵向单细胞转录组学分析，构建了卒中后免疫动态的综合图谱，揭示小胶质细胞、单核细胞来源巨噬细胞与中性粒细胞的转录组随时间发生强烈分化，而内皮细胞与边界相关巨噬细胞在卒中后2天即表现出独特特征。时间轨迹推断预测血液中的单核细胞在原位转分化为脑巨噬细胞表型，而中性粒细胞则持续从头招募，这些不同轨迹可能具有重要的治疗意义。单细胞技术现在能够以空前分辨率同时表征转录状态、染色质可及性与细胞谱系轨迹。空间转录组学研究为这些细胞图谱增加了重要的组织结构维度。小鼠急性脑缺血胶质细胞反应的空间-时间转录组学映射识别了梗死周围区与半暗带区域微环境特异性基因程序，而整合卒中后再灌注空间转录组学与批量蛋白质组学的平行研究记录了梗死周围区内皮细胞通过claudin-5下调与IL-6上调导致的血脑屏障完整性早期破坏。卒中后星形胶质细胞反应已通过整合单细胞与空间转录组学完成图谱绘制，揭示了反应性星形胶质增生程序的区域异质性：不同修复性与神经毒性星形胶质细胞状态占据梗死核心周围的不同空间生态位。在功能层面，单细胞转录组数据已识别出缺血性损伤后代谢重编程的小胶质细胞亚群，其特征为活跃糖酵解、脂质代谢改变与氧化磷酸化抑制，转录因子ATF3已成为缺血相关小胶质细胞基因程序的关键调控因子。人类卒中患者的血液转录组学研究揭示了通过脑-外周免疫轴反映中枢神经炎症过程的外周免疫特征，为临床环境中多组学生物标志物捕获提供了实用采样框架。尽管影响深远，单细胞与空间组学技术仍存在显著局限：当前平台采集成本高、可及性有限、计算需求大，且易受批次效应与样本处理偏差影响；组织解离程序可能改变细胞转录状态，测序深度、空间分辨率与分析流程的差异会降低跨研究可重复性；此外，将高度精细的分子发现转化为临床可操作生物标志物仍具挑战，许多定义的细胞状态缺乏标准化验证框架与前瞻性临床评估。解读卒中研究中新兴的单细胞与空间组学发现时，必须考虑这些局限。
3.4 Proteomics: Circulating Agents, Post-Translational Modifications, and Biomarker Candidates
蛋白质组学桥接了细胞内基因程序与临床可及的循环特征，是多组学框架内的关键转化层。采用数据非依赖采集质谱与基于亲和力的技术的大规模血浆蛋白质组学平台，现已能从少量临床样本中测量数千种蛋白质，实现卒中患者多个时间点的循环蛋白质组系统测绘。相当一部分循环蛋白质受到部分遗传控制，蛋白质数量性状位点（pQTL）与卒中GWAS数据的定位与MR整合已识别出可作为生物标志物与治疗靶点的候选因果蛋白质，包括补体通路成分、凝血因子与免疫效应物。翻译后修饰（PTM）在卒中背景下具有特殊机制重要性，其捕捉了转录组分析无法观测的动态炎症与血栓形成过程。炎症蛋白质的瓜氨酸化、磷酸化与氧化反映了活跃中性粒细胞、血小板与内皮细胞的激活状态，直接参与血管闭塞与血脑屏障破坏。整合血浆蛋白质组学、转录组学与免疫表型数据的多组学研究已开始识别连贯的炎症模块，这些模块包含细胞因子、黏附分子与基质金属蛋白酶组成的协同网络，其循环蛋白质特征与神经功能结局指标相关，可支撑内型特异性生物标志物面板开发。
3.5 Metabolomics: Systemic Biochemical Signatures of Neuroinflammatory Stress
代谢组学捕捉基因组学、转录组学与蛋白质组学扰动的下游生化后果，因此提供了疾病生物学的功能性系统级输出。一项纳入51项研究的缺血性卒中代谢组学生物标志物系统综述识别出氨基酸谱改变（脯氨酸、异亮氨酸、缬氨酸、丙氨酸降低；酪氨酸、谷氨酰胺、苯丙氨酸升高）、鞘脂代谢与乳酸/葡萄糖失调与卒中发病及预后的一致关联。某些代谢物组合（包括丝氨酸、异亮氨酸、甜菜碱与溶血磷脂种类）在探索性队列中显示出预测急性缺血性卒中的高灵敏度（训练集AUC 0.988），但需在多样人群中进行外部验证方可临床应用。从神经炎症视角看，代谢组学特征可区分卒中亚型，并捕捉反映外周代谢疾病、全身炎症与脑血管损伤交互作用的免疫代谢内型。鞘氨醇与鞘脂种类已被认为是心血管事件的预测因子，有望成为捕捉脂质-炎症交汇生物学的卒中风险生物标志物。在多组学整合背景下，代谢组数据充当汇聚层，上游遗传与转录扰动在此表现为连贯的生化模式，强化了候选生物标志物的潜在机制推断。
3.6 Immunomics: High-Dimensional Immune Profiling and Endotype Resolution
免疫组学以足以定义内型的的分辨率解析卒中免疫反应的细胞与功能组成。高参数流式细胞术、质谱流式（CyTOF）与单细胞多模态方法已识别出经典单核细胞亚群扩增、T细胞表型异常与不同中性粒细胞激活状态是急性卒中与神经功能结局及全身感染并发症相关的特征。纵向免疫表型研究记录了卒中后免疫抑制综合征，其特征为淋巴细胞减少、单核细胞失活与先天免疫功能受损，使患者易患肺炎与尿路感染，独立恶化预后。免疫组学与转录组学、蛋白质组学层的整合可实现机制连贯的免疫模块的识别，其特征可转化为简化的循环生物标志物面板。例如，中性粒细胞-淋巴细胞比值与单核细胞亚群分布可在临床环境中便捷测量，已被证明可反映通过高维分析识别的更广泛免疫组学内型，在探索性免疫组学与临床生物标志物应用之间建立了实用桥梁。
- 4.
Neuroimmune Cell Crosstalk: Microglia, Infiltrating Myeloid Cells, Astrocytes, and Neurovascular Unit
卒中诱导的神经炎症通过中枢神经细胞与外周免疫群体之间的动态交互涌现，连接先天免疫、血管功能障碍与组织损伤。图2总结了塑造卒中后损伤与修复的主要细胞参与者、信号通路与时间免疫动力学。
4.1 Microglia: Sentinel Cells and State-Specific Responses
小胶质细胞是脑内驻留的免疫哨兵细胞，也是最早对缺血性损伤作出反应的细胞。单细胞转录组图谱已显著修正了传统的M1/M2极化框架，揭示卒中后脑内小胶质细胞可采纳一系列转录状态，无法清晰归入二元激活类别。已在卒中后脑内识别出至少六种小胶质细胞亚群，其中包括一种潜在的卒中特异性亚型，其特征为独特的趋化因子、吞噬作用与代谢基因程序。一项单细胞调控网络分析将ATF3识别为调控缺血相关小胶质细胞基因表达的关键转录因子，并将代谢重编程（活跃糖酵解、脂质代谢改变）与神经炎症增强相联系，提示代谢免疫调节的潜在机会。时间动力学对理解卒中后小胶质细胞功能至关重要。卒中后2天，小胶质细胞显示炎症、吞噬与危险信号反应程序的显著增强；至第14天，则出现与进行性神经退行性变及突触重塑相关的独特状态。这些状态特异性程序不仅是结果性效应，也是决定卒中后免疫环境倾向于修复还是继发性损伤的决定性因素。多组学整合已识别出小胶质细胞特异性分子模块，可实现对临床队列中小胶质细胞内型轨迹的血液学追踪，包括TREM2片段、可溶性TMEM119与特定趋化因子特征等循环蛋白质替代物。
4.2 Infiltrating Myeloid Cells: Monocyte-Derived Macrophages and Neutrophils
外周髓系细胞浸润始于卒中发作后数小时，并在数天至数周内持续发展。单核细胞来源巨噬细胞渐进性浸润梗死周围区，伪时间轨迹分析预测其在原位转分化为不同的第2天与第14天脑巨噬细胞表型，其功能程序（炎症、吞噬、修复）与血液前体存在差异。这种转分化受局部微环境（包括损伤相关分子模式、小胶质细胞来源信号与神经血管单元组分）塑造，可定义适于治疗操控的促消退与适应不良巨噬细胞状态。急性卒中期间，中性粒细胞持续从血液中招募，在加剧血脑屏障破坏与参与早期病原体防御方面发挥双重作用。跨物种卒中后脑组织多组学分析识别出一个髓系驱动的的内皮氧化应激轴，其中中性粒细胞来源的活性氧增强内皮功能障碍并促进继发性梗死扩大。从多组学生物标志物视角看，中性粒细胞相关血浆蛋白质（包括髓过氧化物酶、中性粒细胞弹性蛋白酶与基质金属蛋白酶9）代表了髓系激活状态的的可及循环效应物，在临床队列中与梗死体积及功能结局相关。
4.3 Spatial Architecture of Astrocytes, Oligodendrocytes, and Glial Responses
卒中后星形胶质细胞发生反应性星形胶质增生，根据其与梗死核心的相对空间位置，转换为具有不同神经毒性或神经保护功能取向的转录状态。空间分辨转录组学揭示，梗死周围半暗带的星形胶质细胞采纳调节谷氨酸缓冲、水稳态与突触可塑性的基因程序，而紧邻核心的星形胶质细胞则表达促炎与瘢痕形成程序，既可限制病变扩大，也可能阻碍轴突再生。星形胶质细胞状态的这种空间异质性创造了独特的局部信号环境，塑造小胶质细胞功能、神经元存活与血管修复，这是缺乏空间背景的批量甚至单细胞分析无法捕捉的。
4.4 Blood–Brain Barrier Disruption: A Target Defined by Multi-Omics
血脑屏障破坏是卒中病理生理的核心事件，通过允许外周免疫细胞浸润、白蛋白渗漏与神经元微环境紊乱加剧继发性损伤。空间转录组学结合批量蛋白质组学已识别出缺血-再灌注后血脑屏障破坏的早期分子事件，并确定claudin-5（CLDN5）下调、肌动蛋白细胞骨架降解与IL-6驱动的周细胞炎症激活是梗死周围区内皮细胞的汇聚机制。脑血管区域的单细胞转录组学分析揭示了动脉、毛细血管与静脉内皮亚型之间血脑屏障基因程序的显著区域异质性。具有高黏附分子表达与优先白细胞迁移特征的活性静脉内皮细胞是外周免疫细胞进入的关键介导者。从多组学生物标志物视角看，神经血管单元代表了一个特别有价值的多层靶点：其破坏可在转录水平通过内皮状态转换捕捉，在蛋白质水平通过循环紧密连接蛋白与基质金属蛋白酶捕捉，在代谢水平通过反映内皮膜组成改变的鞘脂变化捕捉。整合这些层面可提供机制明确、多维度的血脑屏障完整性指数，该指数的临床转化潜力正在PROMISE研究（NCT05815836）等前瞻性卒中队列中接受评估。
4.5 Glymphatic Dysfunction and Perivascular Clearance Pathways
除血脑屏障破坏外，越来越多的证据表明类淋巴系统功能障碍在卒中相关神经炎症与继发性脑损伤中发挥重要作用。类淋巴通路是血管周围液体转运网络，促进脑脊液与间质液交换，支持中枢神经系统代谢废物、炎症介质与细胞碎片清除。卒中后该系统破坏可加剧炎症反应、恶化脑水肿并损害组织修复。近期研究已证实类淋巴功能障碍、血管周围间隙扩大、炎症介质清除受损与卒中后认知下降之间的联系。基于MRI的生物标志物——沿血管周围间隙扩散张量成像（DTI-ALPS）指数——已成为脑血管疾病中类淋巴功能损害的颇具前景的无创指标。由于类淋巴功能与星形胶质细胞生物学、神经血管单元完整性、血脑屏障状态及免疫信号密切相关，其代表了多组学研究的一个重要生物学靶点。未来整合空间转录组学、蛋白质组学、代谢组学、先进神经影像学与单细胞分析，将有助于定义类淋巴相关神经炎症内型，并为精准卒中医学识别新的治疗靶点。
- 5.
Biomarker Discovery and Endotype Classification from Integrated Multi-Omics Data
5.1 Circulating Biomarkers: From Discovery to Patient Stratification
卒中多组学生物标志物发现的临床转化，需要从单个标志物相关性迈向经过验证的多标志物面板，这些面板需在连贯的内型框架内捕捉互补的生物学轴（炎症、凝血、血管完整性与代谢应激）。一项缺血性卒中新兴生物标志物的系统综述识别出众多候选类别，包括胶质纤维酸性蛋白（GFAP）、血清S100B、神经丝轻链（NfL）及一系列炎症细胞因子与代谢物，但同时指出由于标准化挑战、分析前变异以及与既定风险因素相比增量价值有限，其中极少进入临床实践。多组学整合方法已开始克服这些挑战，通过识别跨多个分子层汇聚的信号，提供比单层方法更稳健、机制可解释的生物标志物候选物。整合血浆蛋白质组学、单细胞转录组学与功能验证的跨物种多组学分析识别出了缺血性卒中髓系来源的内皮氧化应激特征，且该特征汇聚为可在人样本中检测的特定血浆蛋白质特征。一项结合甲基组学、转录组学（mRNA、circRNA、miRNA）与图神经网络分析的多层整合研究证明，与单组学方法相比，多组学整合提高了卒中病因分类的准确性，对亚型特异性治疗选择具有潜在意义。近期整合转录组学、蛋白质组学、代谢组学与人工智能分析方法的的多组学研究已开始在不同卒中亚型中识别生物学连贯的炎症特征与临床相关生物标志物候选物。所有研究均表明，将多层分子数据整合为临床可解释的卒中内型正变得日益可行。
5.2 Endotype Classification: From Research Clusters to Patient Stratification
通过多组学整合识别具有生物学意义的卒中内型，需要无监督聚类与基于网络的方法，这些方法可在不施加预定临床类别的情况下识别跨数据层协同组织的分子模块。多组学因子分析（MOFA）与相关潜变量分解方法可识别跨组学层共享的变异来源，这些来源对应于可解释的生物学程序（如炎症激活、代谢应激或凝血紊乱），并可根据患者的多层分子谱将其分配至内型簇。将发现层面的内型转化为临床用途的最关键挑战之一，是将高维多组学簇简化为临床可部署的分层工具。这一转变反映了更广泛的精准医学框架，强调基于生物学信息的患者分层，而非仅依赖综合征分类。最有前景的方法涉及识别层间汇聚信号，即某一炎症程序的转录激活可通过相应的蛋白质组学与代谢组学特征反映，下一步则是识别一组最小的可临床测量的标志物（血液蛋白质、代谢物比值或免疫细胞表型），以充分捕捉内型特征。以此方式识别的内型不仅可提高预后准确性，还可作为抗炎疗法临床试验的患者入选标准，解决卒中免疫学中长期存在的转化挑战。
- 6.
Artificial Intelligence and Machine Learning for Multi-Omics Data Integration in Stroke Research
将异质性多组学数据集整合为临床可解释的卒中内型，需要结构化的计算工作流程，涵盖数据协调、多模态整合、机器学习建模、验证与转化实施。人工智能与高维生物数据的融合日益被视为为精准医学与计算疾病建模提供根本性机遇的框架。图3总结了当前推动精准卒中多组学研究的主要人工智能驱动分析流程。
6.1 Integration Strategies and Model Architectures
卒中多组学数据集具有高维度、模态特异性噪声结构与频繁的样本间缺失等特征，因此需要超越传统生物统计学的、人工智能与机器学习方法。一项针对使用多组学数据进行卒中风险分层的机器学习模型的系统综述，识别出2022至2025年间发表的7项符合条件的研究（n=40274），这些研究通过中级整合策略报告了组学层的联合，最常用的是代谢组学-蛋白质组学与代谢组学-脂质组学等二元组合。研究数据显示，监督机器学习算法表现出良好至优异的准确性（各研究报告AUC范围为0.78至0.99）。该综述同时也识别出验证实践与报告质量的显著异质性，仅有四项研究包含外部验证，鉴于高维组学建模中过拟合的已知风险，这是一个关键缺陷。整合策略通常分为三类：早期融合（建模前将所有组学特征合并为单一矩阵）、中级融合（通过矩阵分解、变分自编码器或多视图学习学习潜在跨模态表示）与晚期融合（组合来自模态特异性模型的预测）。每种策略在跨模态交互建模与实际适用性之间存在不同权衡。一项采用随机森林与人工神经网络模型进行早期卒中诊断与免疫浸润表征的整合多组学方法，在内部验证中实现了高分类性能，随机森林模型识别出了与卒中结局相关的多组学免疫基因特征。针对缺血性卒中及相关慢性疼痛的多维多组学方法将该框架扩展至卒中并发症，识别出免疫系统相关细胞死亡通路为汇聚治疗靶点。
6.2 Explainability, Validation, and Regulatory Considerations
人工智能驱动的多组学模型的临床应用需要根据分层证据框架证明其分析有效性、临床有效性与临床实用性。对于作为医疗器械的人工智能软件（SaMD），FDA与新兴国际框架的监管期望均强调透明记录预期用途、训练数据代表性、模型输出可解释性与持续实施后性能监测。可解释性方法（包括基于SHAP的特征归因、LIME与Transformer架构中的注意力机制可视化）为向临床医生与监管机构传达模型逻辑提供了工具，但在高度相关的组学领域中，这些方法需要谨慎解读，因为可能会报告替代特征而非因果因素。TRIPOD（针对多变量预测模型）与PROBAST（针对偏倚风险评估）等报告标准为透明、可重复的报告提供了基础，这在多组学人工智能研究中尤为重要，因为特征泄漏、训练集与验证集之间不适当的聚合效应管理、以及对研究特异性混杂因素的过拟合是常见风险。在多中心、多祖先队列中进行外部验证应被视为转化要求而非可选后续步骤，因为高内部AUC值在独立真实世界环境中失效的倾向已有充分记录。由于卒中多组学数据集维度高且生物学异质性显著，多种计算架构已涌现以支持跨模态整合、内型发现与预测建模。尽管这些计算框架在复杂性与可解释性方面存在显著差异，但它们共同证明了可用于精准卒中多组学整合的方法学工具箱正不断扩展。尽管探索性研究报道了令人鼓舞的结果，但人工智能驱动的多组学模型在卒中治疗常规临床实施方面仍面临重大挑战。常见局限包括数据集偏倚、不同祖先人群代表性不足、外部验证有限、模型过拟合，以及与高度复杂深度学习架构相关的可解释性降低。许多已发表模型是使用相对较小的队列开发的，存在显著的特征-样本量失衡，从而增加了性能估计过于乐观与普适性差的风险。克服这些挑战需要多中心协作数据集、前瞻性验证研究、透明的报告标准，以及能够培养临床医生信任与监管接受的、可解释人工智能方法的持续发展。
- 7.
Translation Barriers: Standardization, Generalizability, and Clinical Translation
7.1 Analytical Standardization and Pre-Analytical Variation
将多组学卒中生物标志物发现转化为临床实践的关键挑战之一，是由分析前因素引入的变异性，这些因素包括相对于卒中发作的采样时间、血液处理方案、冻融循环与平台异质性，它们可独立于生物学信号显著改变代谢组学与蛋白质组学特征。代谢组学生物标志物对空腹状态、样本处理温度与抗凝剂类型尤为敏感，需要在多中心研究中严格规范方案。蛋白质组学平台在动态范围、抗体特异性与基质效应敏感性方面存在差异，基于适配体与基于质谱的蛋白质组学在人群队列中的系统比较显示了互补性与主要差异，在跨研究整合时需予以考虑。
7.2 Multi-Ancestry Representation and Generalizability
当前多组学卒中文献严重偏向欧洲祖先人群，造成了根本性的普适性挑战。源自GWAS的多基因卒中风险评分在非欧洲祖先中显示出显著受损的预测性能，原因是连锁不平衡结构、等位基因频率与局部遗传结构的差异。因此，提高基因组与多组学研究的祖先多样性对于稳健的外部验证、防止人群特异性算法偏倚以及确保精准脑血管病诊疗的公平实施至关重要。在欧洲队列中具有预测价值的代谢组学与蛋白质组学特征，在不同饮食、共病史与遗传起源的人群中可能表现不同。解决这一差距需要有意识地使卒中多组学队列多样化、在种族多样化环境中协调数据采集方案，并开发考虑人群水平混杂因素的、祖先敏感的分析方法。
7.3 Clinical Scalability and Application Pathways
探索层面的多组学面板通常具有数百至数千个特征的高维度，这对测试复杂性、处理时间与成本必须与急性卒中护理工作流程兼容的临床应用构成了挑战。将多组学内型特征转化为可行的临床工具，通常需要缩减为保持机制特异性的最小标志物面板：少数可从标准临床样本中快速测量的血液蛋白质、代谢物比值或简化的免疫细胞表型指数。从多组学探索到临床应用的路径需要顺序证明分析有效性（可重复性、灵敏度、参考范围）、临床有效性（与相关人群中有意义结局的关联）与临床实用性（在前瞻性研究中改善患者管理与结局）。
7.4 Health-Economic and Implementation Considerations
除科学验证外，多组学精准医学在卒中治疗中的成功实施还需要证明经济可行性与卫生系统就绪度。全面多组学分析仍是一种昂贵的方法，需要先进的实验室基础设施、专业的生物信息学专业知识与大量计算资源，这可能限制其在资源受限卫生系统中的可及性，并导致精准医学实施中的差异。多组学生物标志物的临床采用还将取决于报销框架、成本效益分析、与现有临床工作流程的整合，以及证明相对于既定诊断与预后工具的增量价值。在广泛实施之前，评估真实世界临床效用、患者结局与经济影响的前瞻性研究必不可少。从发现层面多组学数据集开发可扩展、具成本效益的生物标志物面板，可能是通往常规临床实践的关键中间步骤。除分析与监管挑战外，实际实施壁垒也可能显著影响多组学卒中生物标志物的临床采用。许多先进技术（包括单细胞测序、空间转录
