《The FASEB Journal》：Diagnostic Model Development for IC/BPS and Its Subtypes Using Clinical Indicators, Urinary Biomarkers, and Single-Cell Transcriptomic Analysis
编辑推荐：
间质性膀胱炎/膀胱疼痛综合征（IC/BPS）是一种慢性、异质性且常导致虚弱的疾病。该疾病常被误诊，因其与其他泌尿系统感染有显著重叠，故需开发新的标志物和靶点以改善诊断和治疗。肿瘤坏死因子-α（TNF-α）参与IC/BPS炎症，但其作用尚未充分研究。本研究旨在开
间质性膀胱炎/膀胱疼痛综合征（IC/BPS）是一种慢性、异质性且常导致虚弱的疾病。该疾病常被误诊，因其与其他泌尿系统感染有显著重叠，故需开发新的标志物和靶点以改善诊断和治疗。肿瘤坏死因子-α（TNF-α）参与IC/BPS炎症，但其作用尚未充分研究。本研究旨在开发IC/BPS及其亚型的诊断模型，以揭示潜在机制、新生物标志物和TNF-α靶向治疗。研究人员招募了非Hunner型IC（NHIC，n=196）、Hunner型IC（HIC，n=56）和健康对照（HC，n=230）患者。基于SHapley Additive exPlanations（SHAP）分析确定的关键特征，开发了一个诊断模型。利用基因表达综合数据库（GEO）数据和单细胞RNA测序（scRNA-seq）进行的分子分析显示了细胞异质性和炎症网络。使用scTenifoldKnk进行计算机模拟TNF-α敲除，以研究TNF-α的功能。NHIC和HIC亚型均表现出严重的临床症状和失调的尿液生物标志物谱，其中HIC亚型症状显著更严重，特定炎症介质水平显著升高。共构建了127个机器学习（ML）模型，其中大多数在训练和外部验证队列中达到了1.000的AUC。Lasso+plsRglm被确定为最佳诊断模型。核心诊断特征包括夜尿频率（NUF）、视觉模拟量表（VAS）、功能性膀胱壁厚度（BWT）和TNF-α。转录组学识别了IC/BPS亚型间的炎症相关模式和通路。scRNA-seq识别了12种细胞类型和升高的炎症状态。研究人员发现了一个TNF-α驱动的炎症网络，影响IC/BPS的组间异质性，识别了区分IC/BPS与HC的候选诊断生物标志物，并强调了可能的治疗靶点，从而为未来的临床转化研究奠定了基础。
**论文解读：基于多维度数据和单细胞转录组学的IC/BPS诊断模型开发与机制探索**
**研究背景与问题**
间质性膀胱炎/膀胱疼痛综合征（interstitial cystitis/bladder pain syndrome, IC/BPS）是一种慢性、异质性的盆腔炎症性疾病，以盆腔疼痛、尿频、尿急和夜尿为主要表现，症状持续超过6周。全球发病率呈上升趋势，女性患者占比超过95%。IC/BPS的病理生理机制复杂，涉及免疫失调、膀胱上皮屏障功能受损、异常炎症反应、氧化应激失衡及进行性纤维化。然而，由于缺乏特异性诊断生物标志物，临床诊断主要依赖症状评估、影像学检查和排除性诊断策略，导致该疾病常被误诊为膀胱结石、泌尿系感染等，误诊率和漏诊率居高不下。此外，IC/BPS存在显著的病理生理异质性，依据膀胱镜下表现可分为非Hunner型IC（non-Hunner IC, NHIC）和Hunner型IC（Hunner IC, HIC），两者临床表现和治疗反应不同。肿瘤坏死因子-α（tumor necrosis factor-α, TNF-α）作为经典促炎细胞因子，通过激活下游NF-κB信号通路启动炎症级联反应，但其在IC/BPS中的具体作用尚未充分阐明。传统批量测序和分子生物学技术难以精确解析膀胱微环境中的细胞异质性和细胞间通讯网络，使得识别疾病发病机制中的关键调控靶点面临挑战。因此，开发新的治疗靶点、识别特异性诊断生物标志物并探索IC/BPS的致病机制，是改善该疾病管理的关键。
**研究人员的研究内容、结论与意义**
本研究旨在利用近年来的技术进展，填补IC/BPS在临床诊断、管理和机制研究方面的空白。研究人员采用多阶段、综合性的研究设计，招募了196例NHIC、56例HIC和230例健康对照（healthy controls, HC），系统测量了临床特征、尿超声参数和尿液生物标志物。基于这些临床数据集，构建了一个多维度分析框架，建立了127个机器学习（machine learning, ML）模型并进行优化，以筛选关键预测变量用于诊断IC/BPS并准确分类其亚型，最终成功开发出一个诊断模型。此外，研究人员利用基因表达综合数据库（Gene Expression Omnibus, GEO）的公共转录组数据识别差异表达基因（differentially expressed genes, DEGs）和功能通路，并通过单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）定义了IC/BPS中的细胞异质性、发育轨迹和细胞间通讯网络。还进行了计算机虚拟基因敲除分析，以验证关键靶基因TNF-α的调控作用，从而揭示IC/BPS的病理生理机制和可能的治疗靶点。该研究将临床图表、机制分析和药物靶点识别相结合，为IC/BPS研究的有效临床转化提供了坚实的理论和实验支持，具有重要的科学意义和临床影响。论文发表在《The FASEB Journal》。
**主要关键技术与方法**
1. **样本队列与数据收集**：研究纳入2021年1月至2025年12月在某医院泌尿外科就诊的IC/BPS患者及同期体检的健康志愿者，共482人（HC 230例，NHIC 196例，HIC 56例）。收集人口学特征、临床特征（夜尿频率NUF、盆腔疼痛视觉模拟量表VAS）、尿超声参数（功能性膀胱壁厚度BWT、功能性膀胱容量FBC）以及尿液生物标志物（包括IL-6、IL-8、TNF-α、MCP-1、IP-10、MIP-1β、RANTES、TGF-β、BDNF、Eotaxin、NGF及氧化应激标志物8-OHdG、8-iso-PGF2α、TAC等）。
2. **机器学习模型构建与优化**：将多维变量整合，以7:3比例随机分为训练集（n=338）和外部验证集（Validation 1, n=144），另设包含HIC和NHIC患者的额外外部验证集（Validation 2）。共构建并比较了127个ML模型，涵盖传统正则化回归（Lasso、Ridge、弹性网络）、集成算法（随机森林、SVM、glmBoost、XGBoost等）、深度学习架构及plsRglm集成混合回归模型。采用五折交叉验证进行超参数调优，以受试者工作特征曲线下面积（AUC）为主要评价指标。通过SHapley Additive exPlanations（SHAP）算法进行模型可解释性分析，量化各特征对预测的贡献。
3. **生物信息学分析**：从GEO数据库下载基因表达数据集GSE11783和单细胞RNA测序数据GSE175526。对GSE11783进行差异表达分析（|log2FC|≥1, p<0.05），并进行GO和KEGG富集分析。对scRNA-seq数据进行质量控制、批次校正（Harmony算法）、降维聚类（PCA结合KNN和Louvain方法）、细胞类型注释（SingleR）、伪时间轨迹分析（Monocle 3）和细胞间通讯网络构建（CellChat）。使用scTenifoldKnk算法在单细胞水平模拟TNF-α敲除，识别DEGs并进行功能富集分析。
**研究结果**
**3.1 临床指标与尿液生物标志物分析**
通过比较HC、NHIC和HIC三组的基础特征、临床指标和尿液生物标志物，研究人员发现：NHIC和HIC患者均表现出比HC更严重的临床症状（NUF、VAS升高）和尿超声参数异常（BWT增厚、FBC减小），且HIC亚型症状更严重、膀胱结构异常更明显。尿液炎症介质中，TNF-α在NHIC和HIC组均显著高于HC（p<0.001），且在HIC组中进一步升高（p<0.05），呈逐步上升趋势。氧化应激标志物（8-OHdG、8-iso-PGF2α）在两组患者中均上调，抗氧化指标TAC降低。TGF-β水平随疾病严重程度递增。这些结果表明，TNF-α是关键的促炎介质，且与疾病严重程度相关。
**3.2 机器学习模型构建与诊断性能分析**
通过构建127个ML模型并评估其诊断性能，研究人员发现：大多数模型在训练集和验证集中AUC达到1.000。综合判别效能、特征筛选、共线性校正和临床可解释性，Lasso+plsRglm被选为最优诊断模型。SHAP分析显示，核心诊断特征包括NUF、BWT、VAS和TNF-α，其中NUF、VAS、BWT和TNF-α水平升高与IC/BPS诊断可能性增加呈正相关。该模型在区分HC与IC/BPS方面表现优异，并能有效区分疾病严重程度（HC、NHIC、HIC三组预测概率显著不同）。
**3.3 基于GEO数据集的转录组分析**
通过分析GEO数据集GSE11783，研究人员发现IC/BPS与HC之间存在大量DEGs，其中TESC和CRTAC1表达下调，NCF2和IL3RA表达上调。NHIC与HIC之间也存在显著转录差异，如SH3GLB2和BICC1。功能富集分析显示，HC与IC/BPS之间的DEGs主要富集于细胞外基质结构组织、糖胺聚糖结合、花生四烯酸代谢和IL-17信号通路。NHIC与HIC之间的DEGs主要富集于细胞间黏附、白细胞迁移、细胞因子-细胞因子受体相互作用和趋化因子信号通路，验证了炎症介质信号和免疫细胞募集在HIC溃疡形成中的重要性。
**3.4 单细胞转录组分析揭示IC/BPS中不同的炎症细胞状态**
通过scRNA-seq分析膀胱组织样本，研究人员鉴定了12种细胞类型，包括免疫细胞（B细胞、CD4
+ T细胞、CD8
+ T细胞、Tregs、NK细胞、中性粒细胞、髓系细胞）、基质细胞（成纤维细胞、内皮细胞）和上皮细胞（上皮细胞、活化尿路上皮细胞、炎性髓系-上皮细胞）。细胞组成分析显示不同临床组间免疫细胞浸润存在显著差异。基于炎症基因表达谱计算的炎症评分将细胞分为高炎症和低炎症亚群。TNF表达与炎症评分在多种细胞系中呈正相关，尤其在髓系细胞和上皮细胞中最强。高炎症亚群中细胞间通讯网络增强，尤其是T细胞、髓系细胞和上皮细胞之间的TNF通路介导的互作增强。伪时间轨迹分析显示细胞从低炎症向高炎症表型连续转变，伴随核心炎症因子（CCL2、IL1B、IL6、TNF、CXCL8）动态上调。通过scTenifoldKnk计算机模拟TNF-α敲除，研究人员发现TNF沉默导致上皮细胞和髓系细胞中促炎基因程序显著下调，包括IL1B、IL6、CCL2和CXCL8的表达降低，GO富集分析显示趋化因子介导的信号和免疫受体活性等通路受到抑制，证实TNF-α在维持IC/BPS高炎症状态中的关键作用。
**讨论与结论**
讨论部分指出，本研究通过多维度、多层次的综合分析，系统性识别了IC/BPS的核心炎症调控网络和细胞异质性。研究发现，IC/BPS的核心发病机制包括尿路上皮屏障损伤、细胞外基质重塑、免疫细胞异常浸润和炎症信号通路持续过度激活，其中TNF-α介导的炎症-氧化应激环路和异常的免疫-上皮细胞互作是核心致病机制，激活的尿路上皮细胞被定义为关键治疗靶点。研究人员构建了一个可解释且通用的ML诊断模型，为精准分型、早期诊断和靶向治疗提供了新的理论和转化证据。
研究结论部分翻译如下：IC/BPS在临床表现、分子特征和细胞特征上表现出显著异质性，其中HIC是更严重的炎症亚型。基于临床特征、尿超声参数和尿液生物标志物建立的ML模型可实现高精度、无创、分层诊断。IC/BPS的核心发病机制包括尿路上皮屏障损伤、细胞外基质重塑、免疫细胞异常浸润和炎症信号通路持续过度激活。单细胞转录组分析进一步证实，上皮-髓系/单核细胞互作轴是驱动膀胱组织高度炎症状态形成和维持的核心功能单元。作为关键枢纽分子，TNF-α在炎症放大环路、黏膜损伤和疾病进展中发挥重要作用，具有作为区分IC/BPS与HC的可靠非侵入性生物标志物以及有前景的治疗靶点的潜力。
