机器学习引导的多组学整合鉴定UGCG为脓毒症候选脂质代谢生物标志物及潜在治疗靶点

《Journal of Inflammation Research》：Machine Learning-Guided Multi-Omics Integration Identifies UGCG as a Candidate Lipid Metabolic Biomarker and Potential Therapeutic Target in Sepsis

　　

摘要

背景：脓毒症（sepsis）是一种以宿主免疫反应失调为特征的高致死性器官功能障碍综合征。本研究旨在鉴定稳健的脂质代谢相关基因（lipid metabolism-related genes, LMRGs）作为候选诊断生物标志物，并阐明其潜在的免疫代谢机制。

方法：研究人员整合了两个脓毒症转录组队列，筛选差异表达的LMRGs，并通过共识聚类（consensus clustering）鉴定代谢-免疫亚型。随后，研究人员采用三种机器学习算法构建诊断模型以识别核心基因。进一步开展了单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）分析、人工智能驱动的药物筛选以及结合脂质组学（lipidomics）的体外实验验证，以探索核心靶标的生物学功能。

结果：基因集富集分析（Gene Set Enrichment Analysis, GSEA）结果显示，脓毒症中脂质代谢和固有免疫通路协同过表达。基于LMRG的聚类分析成功识别出两种分子亚型，其中脂质代谢活性与免疫浸润特征模式高度相关。机器学习算法精确识别出三个核心基因（ALDH9A1、MBOAT2和UGCG）。该诊断模型在训练集（AUC = 1.000）和四个外部验证集（AUC范围为0.943至0.998）中均表现出优异的诊断性能。BRD-K525600704被预测可逆转脓毒症的转录组特征，并与UGCG和MBOAT2表现出良好的结合亲和力。scRNA-seq揭示脓毒症微环境中存在显著的髓系偏移。在细胞模型中，敲低UGCG显著抑制了脂多糖（lipopolysaccharide, LPS）诱导的炎性细胞因子上调。脂质组学进一步表明，UGCG敲低可减轻病理性神经酰胺（ceramide）蓄积，提示部分恢复细胞鞘脂代谢稳态。

结论：本研究开发了一个包含三个LMRGs的候选脓毒症诊断模型。通过整合多组学分析和体外验证，研究结果表明UGCG与脓毒症中的脂质代谢重塑及髓系介导的炎症反应密切相关。然而，目前缺乏大规模前瞻性临床验证，有待未来研究。

机器学习引导的多组学整合揭示脓毒症脂质代谢重编程与免疫微环境重塑：从诊断模型到UGCG功能的系统解读

一、研究背景与科学问题

脓毒症是由感染引起宿主反应失调而导致的器官功能障碍综合征，其致死率极高，常进展为脓毒性休克及多器官功能衰竭。目前临床诊断与严重程度评估主要依赖传统指标，如降钙素原（procalcitonin, PCT）、C反应蛋白（C-reactive protein, CRP）、血清乳酸及序贯器官衰竭评估（Sequential Organ Failure Assessment, SOFA）评分。然而，PCT和CRP作为炎症生物标志物特异性不足，难以准确区分脓毒症与非感染性全身炎症；血清乳酸受肝功能异常及代谢状态改变等因素干扰，解读复杂；SOFA评分主要反映已确立的器官功能障碍，难以捕捉器官衰竭前的早期免疫失调。因此，亟需鉴定新型机制驱动的生物标志物以实现脓毒症的及时诊断、提升治疗精准度并改善预后。

近年来，免疫代谢领域的研究进展为阐明脓毒症发病机制提供了新视角。尽管全转录组分析已广泛描述脓毒症下游炎症级联反应，但常掩盖驱动这些免疫反应的上游代谢脆弱性。多组学与代谢组学研究表明，严重感染和脓毒症触发深刻的全身代谢转变，包括糖酵解失调、氨基酸代谢改变和脂质稳态紊乱，这些变化密切决定宿主免疫反应和器官功能障碍的轨迹。在严重感染背景下，关键脂质代谢酶的表达异常可破坏脂质稳态并促进生物活性脂质中间体蓄积。其中，鞘脂类（sphingolipids）已成为免疫激活的关键调控因子，神经酰胺（ceramide）作为强效信号分子可放大炎症级联并导致细胞功能障碍。UGCG是催化神经酰胺转化为葡萄糖神经酰胺（glucosylceramide）的限速酶，是鞘脂代谢的关键检查点。然而，尽管鞘脂失调已被认为参与炎症性疾病，UGCG介导的神经酰胺重塑是否导致脓毒症期间的免疫功能障碍、炎症反应和器官损伤仍 largely unknown。此外，脂质代谢相关基因（lipid metabolism-related genes, LMRGs）在脓毒症中的整体景观和调控作用尚未完全阐明。

二、研究设计与技术方法概述

研究人员整合了Gene Expression Omnibus（GEO）数据库中的六个脓毒症转录组数据集（GSE57065、GSE95233、GSE69528、GSE65682、GSE26440、GSE13904），其中GSE57065和GSE95233合并作为训练集，采用“ComBat”算法进行批次效应校正，并通过主成分分析（Principal Component Analysis, PCA）验证校正效果；其余四个数据集作为独立外部验证集。从MSigDB数据库提取175个LMRGs。按|log2FC| > 1且校正后p < 0.05的标准鉴定差异表达基因（differentially expressed genes, DEGs），并利用“clusterProfiler”包进行基因集富集分析（Gene Set Enrichment Analysis, GSEA）。基于差异表达LMRGs（DE-LMRGs）表达谱，采用“ConsensusClusterPlus”包进行无监督共识聚类分析，以探索脓毒症脂质代谢相关分子亚型；使用GSVA和CIBERSORT比较不同亚型的生物学功能与免疫特征。为鉴定稳健且具诊断价值的特征基因并防止模型过拟合，研究人员设计了整合三种独立机器学习算法的特征选择流程：最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归、支持向量机递归特征消除（Support Vector Machine-Recursive Feature Elimination, SVM-RFE）和随机森林（Random Forest, RF），取三者交集作为最终核心基因，并采用多变量逻辑回归构建诊断模型。随后进行了单基因GSVA、免疫细胞浸润相关性分析及上游转录因子（transcription factors, TFs）预测（利用FIMO_JASPAR、ChIP_Atlas、ENCODE、GTRD数据库）。针对脓毒症单细胞RNA测序数据集GSE167363，使用“Seurat”包进行质量控制、标准化和细胞注释（“SingleR”），通过“CellChat”分析细胞通讯网络，并使用“scTenifoldKnk”进行UGCG基因敲除模拟。药物筛选采用表型驱动的DrugRefLector方法，分子对接由CB-Dock2完成。体外实验使用RAW264.7巨噬细胞（购自美国典型培养物保藏中心，ATCC），以1 μg/mL脂多糖（lipopolysaccharide, LPS）处理24小时构建脓毒症细胞模型，转染si-Ugcg（购自Hema Biology，湖州）敲低UGCG表达。细胞伪靶向脂质组学采用双步MTBE提取法，经超高效液相色谱-串联质谱（LC-MS/MS）在4500三重四极杆质谱仪（Sciex）上分析，利用LipidMaps和HMDB数据库鉴定脂质，MetaboAnalyst 6.0进行数据分析。统计分析与可视化使用R 4.1.3和GraphPad Prism 10.1.2完成。

三、主要研究结果

（一）脓毒症的转录组学与功能特征

训练集经批次校正后，样本均匀重叠，PC1和PC2解释方差分别从60.8%和9.7%变为24.9%和9.1%，确认批次效应成功消除。共鉴定出420个上调和349个下调的DEGs。GSEA分析显示，脓毒症患者显著富集脂质代谢和炎症相关上调通路，如过氧化物酶体增殖物激活受体（peroxisome proliferator-activated receptor, PPAR）信号通路（NES = 1.84，校正后p < 0.001）和补体及凝血级联（NES = 2.13，校正后p < 0.001）；而抗原加工呈递（NES = ?2.32，校正后p < 0.001）和原发性免疫缺陷（NES = ?2.15，校正后p < 0.001）通路显著下调，反映脓毒症中脂质代谢紊乱伴随固有免疫激活和适应性免疫麻痹的免疫学特征。免疫细胞浸润分析显示，脓毒症样本中巨噬细胞和T细胞亚群等关键免疫细胞浸润比例与正常对照相比存在高度显著差异。

（二）脓毒症脂质代谢相关分子亚型特征

将LMRGs与DEGs取交集获得13个DE-LMRGs。基于DE-LMRGs的共识聚类将样本分为C1和C2两个亚型，PCA验证了聚类可靠性。GSVA分析显示，C2亚型中核心脂质代谢通路（包括脂自噬、鞘脂代谢和甘油磷脂代谢）显著上调，而细胞周期调控、嘧啶代谢和信号转导相关通路下调。C1与C2亚型间多种免疫细胞亚群的浸润比例存在显著差异，支持脓毒症中脂质代谢重编程与免疫微环境重塑之间的协同调控关系。

（三）脓毒症诊断模型的筛选与构建

LASSO回归识别出6个特征基因，SVM-RFE算法得到9个特征基因，RF算法（重要性 > 5）筛选出5个特征基因。三种算法的交集确定三个核心基因：ALDH9A1、MBOAT2和UGCG。ROC曲线显示，三个基因单独及联合模型均表现良好。三基因诊断模型在训练集中AUC = 1.000，在四个外部验证集（GSE13904、GSE26440、GSE65682、GSE69528）中AUC分别为0.943、0.961、0.998和0.954。表达分析显示，脓毒症组中MBOAT2和UGCG显著上调，而ALDH9A1显著下调；相关性分析表明三个基因间多重共线性低，各自提供独立的诊断信息。四个外部验证集中的表达趋势与训练集一致。体外RAW264.7细胞模型证实，LPS刺激后炎性因子上调，MBOAT2和UGCG表达上调、ALDH9A1表达下调，与生物信息学分析一致。

（四）核心基因的通路调控特征

单基因GSVA分析显示：ALDH9A1主要与鞘脂合成、类固醇生物合成、脂质代谢及趋化因子信号通路等炎症过程呈负相关；MBOAT2与鞘脂合成、谷胱甘肽代谢和抗原加工呈递相关的免疫炎症反应呈正相关；UGCG与鞘糖脂合成、类固醇生物合成和脂质代谢显著正相关。

（五）核心LMRGs与脓毒症免疫细胞浸润的相关性

下调的ALDH9A1与嗜酸性粒细胞（R = ?0.47，p = 1.1e-11）和M0巨噬细胞（R = ?0.36，p = 6.0e-07）呈显著强负相关。上调的MBOAT2与中性粒细胞（R = 0.27，p = 2e-04）和M2巨噬细胞（R = 0.27，p = 0.00026）呈显著正相关。UGCG与M0巨噬细胞（R = 0.52，p = 4.3e-14）和M1巨噬细胞（R = 0.49，p = 1e-12）呈非常强的正相关。

（六）转录因子预测与AI驱动的药物筛选

四个数据库预测的转录因子取交集后，发现CTCF、E2F6、MAZ、SP1和PBX3可同时靶向三个模型基因。DrugRefLector分析预测的Top 5候选药物中，BRD-K52560704与MBOAT2和UGCG的结合亲和力良好，结合能分别为?10.4 kcal/mol和?9.3 kcal/mol。

（七）单细胞转录组景观及UGCG虚拟敲除

脓毒症scRNA-seq数据经质量控制后，t-SNE可视化鉴定出9个细胞亚群。细胞比例分析显示，脓毒症组中性粒细胞和单核细胞比例显著升高，而血小板、CD8⁺ T细胞和CD4⁺ T细胞等亚群比例显著降低。细胞通讯分析显示单核细胞是高度活跃的通讯中枢，通讯主要由分泌信号和细胞-细胞接触驱动，并识别出MIF-(CD74+CD44)、MDK-LRP1及多种LGALS9相关相互作用轴。UGCG虚拟敲除引发显著转录组变化，GO富集分析显示差异基因集中于T细胞分化、淋巴细胞分化和T细胞受体信号通路；KEGG通路分析显示Th1、Th2、Th17细胞分化及T细胞受体信号通路高度富集。

（八）UGCG体外验证与脂质组学分析

RT-qPCR确认si-Ugcg显著降低RAW264.7细胞中Ugcg mRNA表达。功能实验表明，UGCG敲低能够抑制LPS诱导的炎性细胞因子（IL-1β、IL-6、TNF-α）释放（p < 0.001）。脂质组学共定量527种脂质物种，PCA显示NC、LPS和si-Ugcg三组间具有显著不同的脂质组学特征。热图展示的50种差异脂质在Benjamini–Hochberg校正后均q < 0.01。UGCG敲低显著减弱了LPS诱导的脂质失调：高度毒性的上游神经酰胺（如Cer(d18:1/23:0)和Cer(d18:2/16:0)）的病理性蓄积显著减少；下游己糖神经酰胺（如HexCer(d18:1/22:1)）因阻断而耗竭；同时观察到中性脂质（甘油三酯TG和甘油二酯DG）的代偿性蓄积。

四、讨论与结论

讨论部分指出，脓毒症通常伴随深刻的全身代谢重编程，脂质代谢功能障碍被认为是免疫失调的主要原因。本研究通过RNA-seq数据证明脓毒症中代谢与免疫失调密切相关：GSEA显示固有炎症级联和脂质代谢通路同步上调，适应性免疫反应（如抗原呈递）严重抑制。基于LMRG的聚类将患者分为两组，C2组在基线脂质代谢（磷脂、鞘脂、甘油磷脂）中表现出高活性，并与免疫细胞浸润模式相关，证明脓毒症脂质代谢变化与免疫环境紧密关联。

从临床转化角度看，三基因组合具有临床应用潜力。与全血转录组测序或高通量质谱相比，RT-qPCR评估三基因panel在标准临床实验室易于实现，周转时间约2-4小时，成本低且技术可及，可整合至常规ICU工作流程，提供快速的代谢驱动风险分层工具。

ALDH9A1属于ALDH基因超家族，将醛氧化为相应羧酸；MBOAT2是MBOAT家族膜结合酰基转移酶，参与脂质分子酰化修饰和细胞膜脂质重塑；UGCG催化神经酰胺转化为葡萄糖神经酰胺，是糖鞘脂合成的起始步骤。研究发现MBOAT2和UGCG与关键髓系细胞（中性粒细胞和巨噬细胞）浸润显著正相关，GSVA提示这种脂质驱动的免疫扩增与膜重塑和代谢过度激活的转录特征相关。scRNA-seq的虚拟敲除提示UGCG扰动显著改变T细胞受体信号和辅助性T细胞分化相关转录程序，推测髓系细胞中的UGCG可能通过调节代谢影响膜组织，从而干扰其与T细胞的相互作用，导致脓毒症免疫失调。但这些潜在机制仍属推测，需实验证实。

分子对接显示BRD-K52560704与UGCG和MBOAT2有良好结合亲和力，但DrugRefLector预测和对接结果仅为探索性和假设生成性质，需严格的体内外实验验证疗效。体外实验证实UGCG敲低显著减弱LPS诱导的促炎细胞因子释放，脂质组学表明该抗炎效应与毒性神经酰胺和下游糖鞘脂之间的细胞内平衡改变密切相关，通过减轻上游脂毒性介质蓄积来抑制炎症信号级联。

研究局限性包括：数据集间患者特征、感染来源、疾病严重程度和测序平台差异可能引入潜在偏倚；诊断模型需更大规模前瞻性临床队列验证；实验验证局限于巨噬细胞模型，其他免疫细胞类型或体内效应尚待研究；UGCG在脓毒症进展中的详细分子机制需进一步阐明。

结论：研究人员开发了一个候选三基因脓毒症诊断模型。通过多组学整合分析，揭示了UGCG可能通过鞘脂重编程参与脓毒症固有免疫失调的潜在机制。这些发现为抗击脓毒症提供了候选诊断生物标志物模型和潜在治疗靶点。