《Frontiers in Physiology》：Decoding vascular calcification-neutrophil signature in pathogenesis of chronic IgA nephropathy: evidence from artificial intelligence-driven multi-omics and in vitro validation
编辑推荐：
背景：中性粒细胞失调和持续性血管钙化（VC）促进慢性IgA肾病（C-IgAN）的发病和进展。然而，其在IgAN中的整合机制尚未阐明。方法：研究人员整合了来自GEO数据库的C-IgAN患者批量图谱（GSE35487和GSE93798）中的GSVA、CIBERSO
背景：中性粒细胞失调和持续性血管钙化（VC）促进慢性IgA肾病（C-IgAN）的发病和进展。然而，其在IgAN中的整合机制尚未阐明。方法：研究人员整合了来自GEO数据库的C-IgAN患者批量图谱（GSE35487和GSE93798）中的GSVA、CIBERSORT和WGCNA算法，以识别VC和中性粒细胞（VN）相关的共享差异表达基因（DEGs）。接下来，在C-IgAN训练和验证批量图谱中，可解释性和系统性机器学习算法识别了VN相关诊断模型和关键基因（hub gene）。此外，基于VN相关的共享基因特征，研究人员进行了非负矩阵分解（NMF）分析以识别VN相关的分子亚组，并进一步研究了亚组之间的分子和免疫模式。此外，研究人员还通过先进的分析框架（如scTenifoldKnk和BayesPrism算法）在C-IgAN患者单细胞水平上研究了关键基因、VC和中性粒细胞的分子景观。创新性地，基于C-IgAN的深度学习算法（DrugReflector）和分子对接识别了靶向关键基因的最佳治疗药物。最后，体外实验检验了关键基因的表达模式。结果：研究首次追踪了C-IgAN中的动态VN模式，并识别了VN相关的诊断和分子亚组。此外，CLEC4D可被视为参与VC和C-IgAN发病的中性粒细胞分布的关键基因，也可被认为是C-IgAN中BRD-K27184429的药物靶点。结论：研究首次为C-IgAN患者识别了VN相关模式，为临床应用提供了新思路。
**论文解读：解码慢性IgA肾病中血管钙化-中性粒细胞特征的分子机制**
**研究背景与问题**
慢性IgA肾病（chronic IgA nephropathy, C-IgAN）是全球最常见的原发性肾小球肾炎，以半乳糖缺陷型IgA免疫复合物在系膜区沉积为特征，导致进行性肾损伤。其发病机制涉及遗传易感性、黏膜免疫失调及肾脏内炎症反应的复杂相互作用。流行病学数据显示，东亚人群患病率更高，且C-IgAN是慢性肾脏病（chronic kidney disease, CKD）和肾衰竭的主要原因之一，造成严重医疗负担。近年来，固有免疫和血管病理在C-IgAN进展中的作用日益受到关注。中性粒细胞作为固有免疫的“第一响应者”，浸润肾组织后可释放中性粒细胞胞外陷阱（neutrophil extracellular traps, NETs）、蛋白酶和活性氧，加剧组织损伤和炎症。血管钙化（vascular calcification, VC）是CKD（包括C-IgAN）的常见并发症，指钙磷晶体在血管壁的病理性沉积，与心血管发病率和死亡率密切相关。C-IgAN患者的VC主要是CKD相关矿物质骨病（CKD-MBD）和全身性炎症的后果，而非原发性肾病理。随着肾功能下降，VC通常在全身血管中发展，其存在与C-IgAN患者的心血管风险增加相关。值得注意的是，慢性炎症——既是C-IgAN也是CKD的特征——是中性粒细胞活化与血管平滑肌细胞成骨转化（VC的基础）之间的关键联系。然而，目前尚缺乏对中性粒细胞失调和VC在C-IgAN发病中协同作用的系统性研究，也未识别此交叉点的关键分子驱动因素。为此，研究人员开展了这项整合多组学研究，旨在填补这一空白。
**研究内容与结论**
研究人员利用人工智能（AI）驱动的多组学方法，系统描绘了C-IgAN中血管钙化与中性粒细胞（VN）的协同特征。首先，通过整合GSVA、CIBERSORT和WGCNA算法，从GEO数据库的批量转录组图谱（GSE35487和GSE93798）中识别出VN相关共享差异表达基因（DEGs）。随后，采用可解释和系统性机器学习算法，在训练集（GSE116626）和验证集（GSE115857）中构建VN相关诊断模型并确定关键基因。基于VN共享基因特征，进一步通过非负矩阵分解（NMF）分析识别VN相关分子亚组，并探究亚组间的分子和免疫模式。此外，利用单细胞RNA测序（scRNA-seq）数据（GSE285335），通过高级分析框架（如scTenifoldKnk和BayesPrism）在单细胞水平解析关键基因、VC和中性粒细胞的分子景观。创新性地，应用深度学习算法（DrugReflector）和分子对接，筛选出靶向关键基因的最优治疗药物，并通过体外实验验证关键基因的表达模式。本研究首次在C-IgAN中描绘了动态VN模式，识别了VN相关诊断模型和分子亚组，并发现CLEC4D可作为参与VC和C-IgAN发病的中性粒细胞分布关键基因，同时可作为药物BRD-K27184429的靶点。该研究发表于《Frontiers in Physiology》。
**主要关键技术方法**
本研究主要采用以下关键技术方法：（1）多算法整合分析：利用GSVA（基因集变异分析）计算VC评分，CIBERSORT算法估算中性粒细胞浸润丰度，WGCNA（加权基因共表达网络分析）识别与中性粒细胞评分和VC评分高度相关的基因模块。（2）机器学习诊断模型构建：在训练集GSE116626（包含22例正常和52例C-IgAN肾活检样本）上训练132种算法组合，通过10折交叉验证选择最优模型（Stemglm(both) + Enet(alpha=0.2)），并在独立验证集GSE115857（7例正常和55例C-IgAN样本）中验证。（3）单细胞分析：对GSE285335（包含11例C-IgAN患者）的scRNA-seq数据进行聚类、细胞注释（SingleR）、细胞间通讯分析（CellChat）、代谢异质性评估（SCENITH）及伪时间轨迹分析（Monocle2）。（4）虚拟敲除与药物筛选：利用scTenifoldKnk进行关键基因的虚拟敲除，通过深度学习算法DrugReflector参照cMAP数据库筛选逆转疾病特征的化合物，并使用AutoDock Vina进行分子对接。（5）体外验证：使用HL-60细胞系分化为N1样中性粒细胞模型，通过qRT-PCR检测CLEC4D mRNA表达。
**研究结果**
**1. 识别C-IgAN患者中性粒细胞相关模式**
通过CIBERSORT分析GSE35487数据集，发现C-IgAN肾活检中中性粒细胞丰度较正常对照显著降低。WGCNA分析（软阈值β=10）识别出“midnightblue”模块与中性粒细胞评分呈最强正相关（r=0.75，p=1e-05），提取该模块基因。
**2. 识别C-IgAN患者VC相关模式**
在GSE93798数据集中，GSVA分析显示C-IgAN样本的VC评分显著下调。WGCNA分析（软阈值β=5）识别出“turquoise”模块与VC评分呈强负相关（r=-0.77，p=4.0e-7），提取该模块基因。
**3. 构建C-IgAN患者VN诊断模型**
取中性粒细胞相关模块与VC相关模块基因的交集，获得6个共享基因：UPK1A、CLEC4D、ADAM10、KRT25、CPA1和CELA3B。基于此6基因，最优机器学习模型（Stemglm(both) + Enet(alpha=0.2)）在训练集（AUC=0.997）和独立验证集（AUC=0.765）上均表现出良好诊断性能。列线图校准曲线显示预测概率与观察结果高度一致。SHAP分析表明CLEC4D对模型预测贡献最大，确定为关键基因。
**4. 识别C-IgAN患者VN分子亚组**
基于6基因VN特征，NMF共识聚类将C-IgAN患者分为两个亚组：C1（n=32）和C2（n=20），PCA图显示清晰分离。CIBERSORT免疫浸润分析显示C2组巨噬细胞M2浸润显著高于C1组。GSEA分析揭示亚组间分子异质性。
**5. C-IgAN患者单细胞图谱**
对scRNA-seq数据（GSE285335）进行质控和聚类，注释出10个细胞簇和11种主要细胞类型。CellChat分析显示中性粒细胞是细胞间通讯的活跃参与者，主要与髓系来源抑制细胞和浆细胞样树突状细胞相互作用。
**6. C-IgAN患者VN相关关键基因的分子模式**
VC相关基因集活性（AUCell评分）在中性粒细胞中最高。特征图和提琴图显示CLEC4D表达几乎仅限于中性粒细胞簇。伪时间轨迹分析揭示中性粒细胞存在6种分化状态，CLEC4D表达沿分化路径呈递增趋势。虚拟敲除实验（scTenifoldKnk）扰动中性粒细胞中与迁移和免疫反应相关的基因网络。BayesPrism解卷积分析确认，在GSE116626批量样本中，估计的中性粒细胞丰度与CLEC4D表达呈显著正相关。
**7. C-IgAN患者治疗筛选与临床验证**
深度学习算法DrugReflector筛选出BRD-K27184429为逆转疾病特征的首选化合物。分子对接预测BRD-K27184429与CLEC4D蛋白具有强稳定结合（结合亲和力-6.3 kcal/mol）。体外qRT-PCR实验证实，C-IgAN患者中CLEC4D mRNA表达显著上调。
**总结与讨论**
本研究通过整合多组学分析，系统解析了血管钙化（VC）与中性粒细胞失调在C-IgAN发病中的协同作用。识别出一个包含6个基因（UPK1A、CLEC4D、ADAM10、KRT25、CPA1、CELA3B）的稳健特征，该特征具有高诊断准确性，并能将C-IgAN患者分为两个具有不同炎症和免疫特征的分子亚组，提示其患者分类潜力。CLEC4D（C型凝集素结构域家族4成员D）是一种主要表达于髓系细胞的模式识别受体，此前研究报道其参与多种炎症性疾病，但在IgAN中的功能作用此前尚未被探索。本研究首次将CLEC4D与IgAN病理生理联系起来。研究假设，CLEC4D通过增强中性粒细胞在肾脏和全身血管中的活化与募集，可能加剧推动VC的炎症微环境。单细胞分析强有力地支持了这一点，显示CLEC4D表达和VC通路活性特异性位于肾脏浸润的中性粒细胞中。虚拟敲除实验进一步将CLEC4D与调控中性粒细胞迁移和免疫激活的基因联系起来。
**研究结论**：本研究首次提供了整合C-IgAN中血管钙化和中性粒细胞特征的综合多组学景观。研究人员识别并验证了CLEC4D作为该轴上的中性粒细胞特异性关键基因，构建了诊断模型，并提名了潜在治疗药物。这些发现揭示了C-IgAN中一条此前未被充分重视的致病通路，为开发靶向中性粒细胞-VC轴的新诊断和治疗策略奠定了基础。然而，本研究存在局限性：基础转录组见解来自公共数据集，可能无法完全涵盖所有技术和生物学变异；单细胞分析基于11例C-IgAN患者，可能限制了对中性粒细胞状态全谱异质性的捕获；CLEC4D下游精确分子级联反应仍需在临床前模型中阐明；计算筛选的治疗候选药物BRD-K27184429需在临床前模型中严格验证其疗效和靶向性。未来研究应结合多中心临床试验、更高分辨率单细胞和空间数据、以及条件性敲除或中性粒细胞特异性过表达CLEC4D的体内模型，以建立因果关系并阐明细化机制。
