《Frontiers in Cell and Developmental Biology》：Immune-related molecular links between asthma and Alzheimer’s disease identified by multi-omics, machine learning and single-cell analysis
编辑推荐：
英文摘要专业翻译：
目的：流行病学证据提示哮喘会增加阿尔茨海默病（Alzheimer’s disease, AD）的患病风险，但两者共有的免疫相关分子机制仍不清楚。本研究旨在鉴定这两种疾病之间的免疫相关分子关联。
方法：从GEO数据库中获取基因表达数据集，
英文摘要专业翻译：
目的：流行病学证据提示哮喘会增加阿尔茨海默病（Alzheimer’s disease, AD）的患病风险，但两者共有的免疫相关分子机制仍不清楚。本研究旨在鉴定这两种疾病之间的免疫相关分子关联。
方法：从GEO数据库中获取基因表达数据集，分析差异表达基因（differentially expressed genes, DEGs）及富集通路。采用加权基因共表达网络分析（WGCNA）检测免疫相关模块，并应用机器学习算法筛选候选生物标志物。开展孟德尔随机化（Mendelian randomization, MR）及实验验证以探究遗传关联和表达相关性。构建逻辑回归模型和列线图。进一步通过基因集富集分析（GSEA）、免疫细胞签名分析和单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）探究免疫特征。
结果：CD163和CHST6被鉴定为跨疾病候选基因。MR分析显示CD163表达及血浆蛋白水平与哮喘和AD相关表型存在名义上的遗传关联，但经FDR校正后这些关联不再具有统计学显著性。在独立的哮喘和AD小鼠模型中，CD163和CHST6的表达均升高。联合诊断模型显示出良好的区分度（AUC >0.87）。免疫细胞签名分析揭示了候选基因与免疫相关签名之间具有组织依赖性的关联。scRNA-seq揭示了细胞类型特异性的表达模式，其中CD163主要定位于髓系谱系细胞群，包括AD中的小胶质细胞和重症哮喘中的单核细胞，而CHST6则表现出背景依赖性的定位，分布于胶质细胞和气道上皮细胞群。
结论：CD163和CHST6是哮喘与AD之间潜在的跨疾病分子候选基因。CD163可能反映系统性免疫相关信号，而CHST6可能反映组织及背景依赖性的细胞变化。这些发现为深入研究哮喘–AD共病提供了初步框架，并需要在前瞻性和功能性研究中加以验证。
论文解读
一、研究背景与问题
阿尔茨海默病（Alzheimer’s disease, AD）的病理机制已超越经典的淀粉样蛋白-β和Tau假说，神经炎症被广泛认为是AD发病的核心驱动因素之一。近年来研究发现，中枢神经系统与外周免疫系统之间存在动态的双向交互作用，“脑–体轴”框架提示外周组织的慢性炎症可加剧神经炎症，从而促进神经退行性变并增加AD风险。临床证据显示，哮喘成人中认知障碍的患病率高达44.1%，且病程越长功能障碍越显著，表明哮喘不仅是肺部疾病，更是一种系统性炎症性疾病。其典型的2型（Th2）炎症涉及IL-4、IL-5、IL-13等细胞因子的全身释放，形成持续的低度炎症状态。“肺–脑轴”假说为理解这种系统性炎症如何升高AD风险提供了框架，机制上涉及全身炎症介质穿过受损的血脑屏障激活小胶质细胞、过敏原刺激脑干去甲肾上腺素能神经元形成神经连接，以及共享的神经内分泌信号传导。然而，尽管临床和机制证据不断积累，连接哮喘与AD的特异性分子生物标志物仍不明确。此前研究多聚焦于哮喘特异性诊断标志物，尚未系统探究两病的共病分子基础。因此，本研究旨在通过整合多组学分析、机器学习、单细胞测序和实验验证，鉴定哮喘与AD之间共享的免疫相关分子生物标志物，为理解其潜在免疫学联系提供线索。
二、研究内容与结论
研究人员利用GEO数据库中的6个基因表达数据集，包括哮喘训练集GSE143303（支气管内膜活检）、验证集GSE147878（支气管内膜活检）和GSE69683（外周血），以及AD训练集GSE29378（脑组织）、验证集GSE5281（脑组织）和GSE63061（外周血），分别进行差异表达分析和WGCNA共表达网络分析。通过Venn图取交集，共获得24个共享基因，功能富集分析显示这些基因涉及维生素代谢调控、三羧酸循环酶复合物、NAD(P)+依赖性氧化还原酶活性以及MAPK信号通路等。随后采用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筛选，最终确定CD163和CHST6为哮喘和AD共有的关键基因。在训练集中，两基因在哮喘和AD中均显著上调，AUC分别达到0.815/0.838（哮喘）和0.855/0.812（AD）。外部验证中，在哮喘支气管活检（AUC：CD163 0.767，CHST6 0.807）、AD脑组织（AUC：CD163 0.678，CHST6 0.756）以及哮喘和AD外周血（CD163 AUC分别为0.625和0.673）中均得到证实，但CHST6因未包含于外周血转录组芯片而无法评估。孟德尔随机化分析显示，儿童哮喘遗传易感性与AD风险存在名义上的正相关（IVW OR=1.063，P=0.049），但FDR校正后不显著；CD163基因表达和血浆蛋白水平与AD及哮喘相关表型也呈现方向一致的名义正相关，但同样未通过FDR校正。小鼠模型验证显示，在卵清蛋白（OVA）诱导的哮喘小鼠肺组织和3xTg AD小鼠海马组织中，CD163和CHST6的mRNA及蛋白水平均显著升高。基于CD163和CHST6构建的逻辑回归诊断模型在训练集AUC达0.879，外部验证集AUC为0.774，校准曲线和决策曲线分析显示模型具有良好的预测能力。SHAP分析确定CD163是AD分类的主要贡献因素，且两种基因表达升高均与疾病状态相关。单基因GSEA显示，在哮喘中两基因富集于T细胞活化和细胞因子相互作用等免疫通路；在AD中则富集于神经递质转运和突触功能等神经元过程。免疫细胞签名分析揭示了组织依赖性的关联，哮喘中CD163与髓源性抑制细胞（MDSC）签名正相关，CHST6与自然杀伤T细胞签名负相关；AD中两者与浆细胞样树突状细胞相关签名等存在关联。单细胞RNA测序显示，CD163主要定位于AD小胶质细胞和重症哮喘单核细胞等髓系细胞；CHST6在AD中相对低表达于胶质细胞，在气道上皮模型中主要表达于纤毛细胞和棒状细胞，且IL-13刺激后表达增加。
三、主要技术方法
本研究采用的主要技术方法包括：（1）基于GEO公共数据库的多队列转录组分析；（2）加权基因共表达网络分析（WGCNA）鉴定疾病相关模块；（3）三种机器学习算法（LASSO、SVM-RFE、随机森林）筛选核心基因；（4）两样本孟德尔随机化（MR）分析评估遗传关联；（5）小鼠哮喘模型（OVA诱导）和AD模型（3xTg）的RT-qPCR及Western blot实验验证；（6）基因集富集分析（GSEA）和单样本基因集富集分析（ssGSEA）评估功能通路与免疫细胞签名；（7）单细胞RNA测序（scRNA-seq）分析细胞类型特异性表达；（8）逻辑回归模型、列线图、SHAP分析及外部验证评估诊断效能。样本队列来源包括GEO数据库的6个转录组数据集和3个单细胞数据集。
四、研究结果分述
1. 孟德尔随机化分析提示哮喘对AD风险的潜在遗传关联
使用16个独立遗传工具变量，两样本MR分析显示儿童哮喘遗传易感性与AD风险存在名义上的正相关（IVW OR=1.063，P=0.049），但FDR校正后不显著；敏感性分析未发现显著异质性或水平多效性。
2. 差异表达基因与WGCNA模块鉴定
在哮喘数据集GSE143303中鉴定出104个上调和104个下调DEGs；在AD数据集GSE29378中鉴定出19个上调和94个下调DEGs。WGCNA分析确定哮喘相关红色模块（633个基因，r=0.62）和AD相关黄色模块（624个基因，r=0.42），且GS与MM均显著正相关。
3. 共享基因及功能富集
DEGs交集得到5个基因（CD163、CHST6、DUSP1、AKRIC3、C11orf70），WGCNA模块交集得到19个基因，合并后24个共享基因。GO分析富集于维生素代谢调控、三羧酸循环酶复合物等；KEGG分析富集于MAPK信号通路和能量代谢通路。
4. 机器学习筛选核心基因
三种算法交集确定哮喘的CD163和CHST6，AD的CD163、CHST6、DUSP1和RDH10为关键基因，均具有良好诊断效能。
5. CD163和CHST6的表达与诊断价值
两基因在哮喘和AD训练集及外部验证集中均显著上调，并具有中等至良好的诊断AUC。
6. 孟德尔随机化对CD163的遗传关联
CD163基因表达和血浆蛋白水平与AD及哮喘相关表型存在方向一致的名义正相关，但FDR校正后不显著。
7. 小鼠模型实验验证
哮喘小鼠肺组织和AD小鼠海马组织中CD163和CHST6的mRNA和蛋白水平均显著升高。
8. SHAP解释性分析
PLS模型表现最佳（AUC=0.869），SHAP分析显示CD163为主要分类贡献因素，两种基因表达升高均与疾病状态正相关。
9. 逻辑回归诊断模型构建与验证
风险评分公式为?30.538 + 1.674×CHST6 + 1.678×CD163，训练集AUC=0.879，外部验证集AUC=0.774，校准曲线和DCA支持模型可靠性。
10. 单基因GSEA
哮喘中两基因富集于T细胞激活、细胞因子相互作用及纤毛组装；AD中共同富集于神经递质转运和突触功能，KEGG涉及神经退行性疾病和JAK-STAT信号。
11. 免疫细胞签名分析
ssGSEA显示哮喘和AD中免疫细胞签名富集模式存在差异，CD163和CHST6与特定免疫签名呈组织依赖性关联。
12. 单细胞表达特征
CD163主要表达于AD小胶质细胞和重症哮喘单核细胞；CHST6在AD中低表达于星形胶质细胞和少突胶质细胞，在气道上皮中富集于纤毛细胞和棒状细胞，且IL-13刺激后表达升高。
五、讨论与结论总结
讨论部分指出，CD163是巨噬细胞相关血红蛋白清道夫受体，具有抗炎和免疫调节特性，在哮喘中参与M2极化和Th2免疫，在AD中表达于Aβ斑块周围细胞；但既往研究存在细胞表面表达降低的报道，提示表达模式具有细胞类型和组织背景依赖性。CHST6经典功能是角膜硫酸角质素硫酸化，但新近证据提示其可能与AD中的糖代谢和糖基化改变相关。研究人员强调，CD163与CHST6作为交叉疾病候选基因的意义在于整合了跨疾病转录组信号，而非证明共享的组织特异性机制。单细胞数据支持CD163的髓系定位和CHST6的背景依赖性表达，但未证实哮喘与AD之间存在共享的细胞或机制通路。研究局限性包括公共数据集缺乏详细临床信息、样本量有限、外部验证效能下降、单细胞供体数少以及动物实验仅为探索性表达验证。结论指出，CD163和CHST6是哮喘与AD之间的候选分子联系，CD163可能反映与神经炎症相关的系统性免疫成分，CHST6可能反映组织和背景依赖性的细胞变化，为理解哮喘–AD共病提供了初步框架，需要在具有纵向认知结局的哮喘患者前瞻性研究中进一步验证候选生物标志物。
