《Scientific Reports》：Extracellular vesicle-derived miR-760 as a novel promising candidate biomarker differentiating stable RRMS from SPMS
编辑推荐：
本研究针对多发性硬化（MS）临床分型缺乏非侵入性生物标志物的难题，探索了血浆细胞外囊泡（EV）来源的microRNA（miRNA）特征。研究人员发现miR-760等四种miRNAs在稳定缓解期（RRMS）与继发进展型（SPMS）患者中存在显著差异，构建的整合模型（AUC=0.942）可实现精准表型区分，为MS精准分层提供了新策略。
多发性硬化（Multiple Sclerosis, MS）是一种慢性、免疫介导的中枢神经系统疾病，全球约有280万人受其困扰。其临床病程具有高度异质性，约85%的患者最初表现为临床孤立综合征，随后发展为复发缓解型MS（RRMS），其中相当一部分患者最终会转变为继发进展型MS（SPMS）。这种从以炎症性发作为主的RRMS向以神经退行性病变和持续性残疾进展为特征的SPMS的转变，是MS疾病管理中的关键节点。然而，目前临床上缺乏可靠的、非侵入性的生物标志物来准确区分这两种表型，主要依赖临床评估和磁共振成像（MRI），这给预后判断和治疗方案选择带来了巨大挑战。
正是在这一背景下，研究人员将目光投向了细胞外囊泡（Extracellular Vesicles, EVs）。EVs是由细胞释放的膜性小泡，作为细胞间通信的重要载体，其内容物（包括蛋白质、核酸等）能够反映来源细胞的病理生理状态。尤其值得注意的是，EVs可以穿过血脑屏障进入外周循环，这使得血液中的EVs成为了窥探中枢神经系统内病变的“窗口”。其中，EVs携带的微小RNA（microRNA, miRNA）因其稳定性高且具有重要的基因表达调控功能，被视为极具潜力的疾病生物标志物来源。
为了探索能够区分稳定期RRMS和SPMS的EV源性miRNA标志物，来自波兰罗兹大学等机构的研究团队在《Scientific Reports》上发表了他们的最新研究成果。他们招募了30名稳定期RRMS患者、30名SPMS患者以及30名年龄性别匹配的健康对照（HC），采集了他们的血浆样本。
研究人员开展了一项多组学研究。他们首先从血浆中分离出总EVs，并利用透射电子显微镜（TEM）、动态光散射（DLS）和流式细胞术对其进行了表征鉴定，确认了所获EVs的典型形态、大小范围和表面标志物（如CD63、CD81）表达。接着，他们从EVs中提取总RNA，先通过RNA测序（RNA sequencing）进行初步筛选，然后使用逆转录定量实时PCR（RT-qPCR）对筛选出的包括miR-760、miR-98-5p在内的11种miRNA进行了精确定量。同时，他们利用Bio-Plex多重免疫分析技术检测了27种细胞因子的血浆浓度，并通过酶联免疫吸附试验（ELISA）测量了神经丝轻链（Neurofilament Light Chain, NfL）和胶质纤维酸性蛋白（Glial Fibrillary Acidic Protein, GFAP）这两种神经/胶质损伤生物标志物的水平。最后，他们运用生物信息学方法对差异表达miRNA的靶基因进行了功能富集分析和网络构建，并采用逻辑回归等统计模型评估了各分子指标对MS表型的区分能力。
3.1 研究人群
三组研究参与者在年龄、疾病持续时间、扩展残疾状态量表（EDSS）评分等方面均符合预期，SPMS患者年龄更大、病程更长。
3.2 MS患者炎症及神经/胶质损伤生物标志物的差异表达谱
与HC相比，RRMS和SPMS患者多种细胞因子水平显著升高。其中，IL-4、IL-17和碱性成纤维细胞生长因子（FGF basic）在SPMS患者中的浓度显著高于RRMS患者。
3.3 血浆来源EVs的表征
TEM显示分离的EVs呈典型的球形膜结构；DLS分析表明EVs群体粒径分布较为均一；流式细胞术证实了EVs表面标志物CD63和CD81的表达。
3.4 miRNA表达谱分析
RNA测序和RT-qPCR分析发现，四种EV源性miRNA（miR-760, miR-98-5p, miR-301a-3p, miR-223-3p）在RRMS和SPMS患者间的表达存在显著差异。其中，miR-760在RRMS中表达显著下调，而在SPMS中表达接近基线水平，显示出最强的表型区分能力。miR-98-5p在两组MS患者中均较HC上调，且在SPMS中上调更明显。
3.5 区分稳定RRMS与SPMS的统计建模
多变量逻辑回归模型确定，miR-760、miR-146a-5p、miR-191-5p和FGF basic是区分RRMS与SPMS的最佳变量组合。该模型的受试者工作特征曲线下面积（AUC）高达0.942，显示出优异的区分效能。
3.6 靶基因预测与功能富集分析
对差异miRNA靶基因的功能富集分析提示，这些miRNA可能通过调控小GTP酶信号转导、自噬、细胞衰老等生物学过程以及MAPK、AMPK、Hippo等信号通路参与MS表型差异。网络分析揭示了RRMS和SPMS具有不同的miRNA-mRNA调控网络，SPMS相关网络更集中于免疫调节基因。
该研究通过整合EV-miRNA谱、蛋白质标志物和生物信息学分析，成功识别出能够有效区分稳定期RRMS和SPMS的血浆EV源性miRNA特征，特别是miR-760展现出巨大的潜力。这不仅为理解MS不同临床表型背后的分子机制提供了新视角，更重要的是为开发非侵入性的MS表型精准诊断工具奠定了坚实的基础，有望在未来辅助临床医生进行更及时的干预和个体化治疗。当然，这些发现仍需在更大的独立队列中进行验证，并进一步探索其生物学功能。
