《Frontiers in Immunology》：Shared glycosylation-related molecular mechanism and immune infiltration patterns of fetal growth restriction and preeclampsia
编辑推荐：
背景：胎盘功能障碍和免疫失调是胎儿生长受限（FGR）和子痫前期（PE）等疾病的核心问题。尽管异常的胎盘糖基化已被认为与多种妊娠并发症有关，但与胎盘病理相关的糖基化相关基因（GRGs）的具体表达模式及其在驱动母胎界面免疫失衡中的潜在作用仍知之甚少。方法：首先，基
背景：胎盘功能障碍和免疫失调是胎儿生长受限（FGR）和子痫前期（PE）等疾病的核心问题。尽管异常的胎盘糖基化已被认为与多种妊娠并发症有关，但与胎盘病理相关的糖基化相关基因（GRGs）的具体表达模式及其在驱动母胎界面免疫失衡中的潜在作用仍知之甚少。方法：首先，基于两个GEO数据集（GSE114691和GSE203507）进行差异表达基因（DEG）鉴定和基因集富集分析，揭示了疾病相关通路。加权基因共表达网络分析（WGCNA）进一步识别了与疾病状态显著相关的糖基化相关基因模块。采用三种机器学习算法（LASSO、随机森林和支持向量机）筛选诊断关键基因，并构建了预测列线图。利用受试者工作特征曲线、校准曲线和决策曲线分析评估诊断模型的效能。使用CIBERSORT评估FGR、PE和PE+FGR胎盘及蜕膜中的免疫细胞浸润特征。此外，单细胞RNA测序验证了关键诊断基因在不同滋养层亚群中的表达模式，并利用CellChat分析了细胞间通讯网络。另外，本研究在真实世界样本中验证了关键基因的诊断效能。结果：在对两个数据集进行批次校正和整合后，分析了104个样本，包括对照组（n=26）、PE（n=28）、FGR（n=23）和PE+FGR（n=27）。疾病组中糖基化相关通路富集。将WGCNA模块与糖基化基因取交集，得到97个重叠基因，通过三种机器学习算法从中识别出5个核心基因。基于这些基因构建的诊断模型在疾病组间显示出良好的预测性能。免疫浸润分析提示多种免疫细胞类型参与疾病发病机制。真实世界验证显示，B3GNT2和ST6GAL1的表达在正常组与PE/FGR组之间存在显著差异。结论：研究人员识别出5个候选枢纽基因（B3GNT2、ST6GAL1、GALNT11、GCNT4和LARGE2），并构建了用于FGR、PE和PE+FGR诊断的列线图。蛋白质水平验证证实，在FGR和PE患者的胎盘组织中B3GNT2和ST6GAL1显著下调；在独立临床样本中提供了GALNT11、GCNT4和LARGE2的mRNA水平验证。这些枢纽基因与胎盘和蜕膜中的关键免疫细胞类型相关。
**论文解读文章**
**研究背景**
胎儿生长受限（FGR）和子痫前期（PE）是两大主要妊娠并发症，严重威胁全球母婴健康。PE临床特征为妊娠20周后新发高血压伴蛋白尿，而FGR定义为胎儿未能达到其遗传决定的生长潜能。两者共存（PE+FGR）代表胎盘疾病谱中最严重的表现，患者围产期死亡率和远期不良心血管及代谢结局风险显著升高。两者共同的病理生理基础主要包括滋养层细胞侵袭不足和子宫螺旋动脉重铸不良，导致慢性胎盘缺血和系统性抗血管生成状态。然而，区分孤立性FGR或PE与更严重的PE+FGR表型的精确分子驱动因素，以及这些驱动因素如何将内在胎盘功能障碍与调控异常的母体免疫反应联系起来，目前仍不清楚。糖基化作为最常见且功能重要的翻译后修饰之一，在介导母胎对话中起关键作用，但异常糖基化与病理妊娠之间的机制联系，特别是糖基转移酶在胎盘功能障碍中的具体作用，尚未得到充分探索。因此，开展这项研究，旨在系统解析PE、FGR及PE+FGR中糖基化相关基因的调控景观，并探索其与免疫浸润的关联。
**研究内容与结论**
研究人员通过整合多组学数据与人工智能算法，系统绘制了PE、FGR及PE+FGR中糖基化相关基因的调控图谱。首先，利用双向两样本孟德尔随机化（MR）分析确认PE对FGR的单向因果效应，为整合转录组分析提供依据。随后，整合两个GEO数据集（GSE114691和GSE203507）的胎盘转录组数据，通过差异表达基因（DEG）鉴定和基因集富集分析，发现糖基化相关通路在疾病组中富集。加权基因共表达网络分析（WGCNA）识别出与疾病状态显著相关的糖基化模块（MEturquoise），合并糖基化基因集后获得97个重叠基因。采用LASSO、支持向量机递归特征消除（SVM-RFE）和随机森林三种机器学习算法，最终筛选出5个核心枢纽基因：B3GNT2、ST6GAL1、GALNT11、GCNT4和LARGE2。基于这些基因构建的诊断列线图模型在区分疾病组与对照组方面表现出优异性能，AUC值在PE、FGR和PE+FGR组中分别达到0.971、0.921和0.986。CIBERSORT免疫浸润分析显示，疾病组胎盘和蜕膜中免疫细胞组成发生显著改变，包括M1巨噬细胞、活化NK细胞和嗜酸性粒细胞增加，而M2巨噬细胞和静止CD4
+记忆T细胞减少。相关性分析表明，核心基因表达与多种免疫细胞浸润水平显著相关。单细胞RNA测序（scRNA-seq）验证了这些基因在滋养层亚群（绒毛细胞滋养层VCT、合体滋养层SCT和绒毛外滋养层EVT）中的特异性表达降低，并揭示了PE+FGR组中滋养层-免疫细胞间通讯网络的重塑。最后，在独立临床队列（复旦大学附属妇产科医院和上海市第一妇婴保健院）中，通过蛋白质印迹（WB）、免疫组化（IHC）和实时定量PCR（RT-qPCR）验证了核心基因的表达：B3GNT2和ST6GAL1在PE和FGR胎盘组织中蛋白水平显著下调，GCNT4和LARGE2在PE中mRNA水平显著降低。该研究发表于《Frontiers in Immunology》。
**关键技术方法**
本研究主要关键技术方法包括：1) 利用大规模全基因组关联研究（GWAS）汇总数据进行双向两样本孟德尔随机化（MR）分析，评估PE与FGR的因果关系；2) 整合两个GEO数据集（GSE114691和GSE203507）的胎盘转录组数据，通过“limma”和“sva”R包进行批次校正和差异表达基因（DEG）筛选；3) 采用加权基因共表达网络分析（WGCNA）识别与疾病状态相关的糖基化基因模块；4) 应用三种机器学习算法（LASSO、SVM-RFE、随机森林）筛选枢纽基因并构建诊断列线图；5) 使用CIBERSORT算法评估胎盘和蜕膜组织中的免疫细胞浸润比例，并结合CellChat进行单细胞水平的细胞间通讯分析；6) 在独立临床队列中通过WB、IHC和RT-qPCR进行实验验证。样本队列来源包括GEO数据库和复旦大学附属妇产科医院及上海市第一妇婴保健院。
**研究结果**
**3.1 转录组数据集整合揭示差异表达基因**
通过双向MR分析确认PE对FGR有显著正向因果效应（OR=1.466, 95% CI: 1.115-1.927, P=0.006），而反向无显著关联。整合两个数据集后，PCA显示疾病组与对照组分离。差异表达分析鉴定出536个三种疾病状态共有的DEG，富集分析显示这些基因显著富集于糖基化相关通路，包括“糖胺聚糖代谢过程”、“O-聚糖加工”和“糖蛋白代谢过程调控”。
**3.2 PE、FGR和PE+FGR中共表达基因模块的检测**
WGCNA识别出与疾病严重程度显著负相关的MEturquoise模块（Cor=-0.35, P=2.73e-4），该模块包含321个基因，富集于蛋白质糖基化、N-聚糖生物合成和糖胺聚糖代谢。将该模块基因与185个糖基化相关基因取交集，得到97个重叠基因。进一步差异表达分析筛选出5个在所有疾病组中均显著下调的基因：B3GNT2、ST6GAL1、GCNT4、LARGE2和GALNT11。
**3.3 基于机器学习模型的关键基因筛选**
通过LASSO（筛选11个基因）、SVM-RFE（24个）和RF-RFE（16个）三种算法，取交集获得6个重叠基因，再与5个共享DEG交集，最终确定5个核心基因：B3GNT2、ST6GAL1、GALNT11、GCNT4和LARGE2。
**3.4 诊断模型构建与列线图开发**
基于5个基因构建的多元逻辑回归模型，通过ROC曲线评估显示优异性能：PE（AUC=0.971, 灵敏度92.9%, 特异度92.3%）、FGR（AUC=0.921, 灵敏度87.0%, 特异度88.5%）、PE+FGR（AUC=0.986, 灵敏度96.3%, 特异度96.2%）。决策曲线分析和校准曲线证实模型具有良好的临床净获益和预测准确性。
**3.5 胎盘免疫浸润分析及与浸润免疫细胞类型的相关性**
CIBERSORT分析显示，疾病组中嗜酸性粒细胞升高、M2巨噬细胞降低。条件特异性变化包括：活化的树突状细胞升高（PE、PE+FGR）、M1巨噬细胞升高（FGR、PE+FGR）、中性粒细胞升高（PE）、活化NK细胞升高（FGR、PE+FGR），以及静止CD4
+记忆T细胞降低（FGR、PE+FGR）。相关性分析表明，B3GNT2表达与M2巨噬细胞正相关（r=0.45, P<0.001），与活化NK细胞（r=-0.38, P=0.002）和嗜酸性粒细胞（r=-0.41, P<0.001）负相关；ST6GAL1与M2巨噬细胞和静止CD4
+记忆T细胞正相关，与嗜酸性粒细胞和浆细胞负相关。
**3.6 胎盘生物标志物与配对蜕膜中浸润免疫细胞类型的相关性分析**
在蜕膜样本中，PE和PE+FGR组显示M1巨噬细胞比例显著升高、静止NK细胞显著降低。Spearman相关性分析显示，在PE组中，胎盘ST6GAL1高表达与蜕膜记忆B细胞（ρ=-0.873, P=0.005）和M1巨噬细胞（ρ=-0.809, P=0.015）负相关，与M2巨噬细胞正相关；在FGR组，B3GNT2和LARGE2高表达与活化肥大细胞负相关；在PE+FGR组，B3GNT2高表达与静止NK细胞正相关，与嗜酸性粒细胞负相关。
**3.7 单细胞转录组分析揭示滋养层特异性糖基化缺陷和细胞间通讯改变**
scRNA-seq分析显示，在绒毛细胞滋养层（VCT）、合体滋养层（SCT）和绒毛外滋养层（EVT）中，PE+FGR组的糖基化生物标志物评分显著低于对照组和PE组。细胞间通讯分析表明，PE+FGR组中，EVT与B细胞、巨噬细胞、肥大细胞和中性粒细胞之间的信号强度显著增强，SCT与NK/T细胞和巨噬细胞的相互作用也发生改变。
**3.8 真实世界样本中枢纽基因表达的验证**
在独立临床样本中，WB和IHC证实B3GNT2和ST6GAL1在FGR和PE胎盘组织中蛋白水平显著下调。RT-qPCR显示，B3GNT2在FGR中mRNA水平降低（p<0.001），ST6GAL1在PE中降低（p<0.05）；GCNT4和LARGE2在PE中显著降低（p<0.05），而GALNT11呈下降趋势但未达统计学显著性。
**总结讨论与结论**
本研究通过整合多组学数据与机器学习方法，识别出5个关键糖基化相关基因（B3GNT2、ST6GAL1、GALNT11、GCNT4和LARGE2）作为PE和FGR的潜在生物标志物，并构建了具有良好诊断效能的列线图模型。免疫浸润分析揭示了这些基因与多种免疫细胞类型（包括巨噬细胞、NK细胞、嗜酸性粒细胞等）的显著相关性，提示糖基化异常可能通过调控母胎界面免疫微环境参与疾病发病机制。讨论部分指出，B3GNT2和ST6GAL1在糖链合成中起关键作用，其下调可能影响滋养层表面糖基化，进而导致免疫细胞过度活化；LARGE2参与基底膜组装，其下调可能导致胎盘结构异常；GALNT11和GCNT4的功能仍需进一步研究。研究局限性包括缺乏早期妊娠样本、机制验证不足以及免疫解卷积分析的相对性。结论部分翻译如下：总而言之，本研究识别出5个关键糖基化相关基因作为PE和FGR的潜在生物标志物。其中，B3GNT2和ST6GAL1表现出最高的诊断性能，并在独立临床队列中于mRNA和蛋白质水平均得到验证。GALNT11、GCNT4和LARGE2通过三种独立机器学习算法一致识别，并在独立样本中于mRNA水平经qPCR确认。这些发现为胎盘疾病的发病机制提供了新见解，并强调糖基化通路作为早期预测和有前景的治疗靶点候选。
