《Frontiers in Immunology》：Identification and validation of an endotoxin tolerance–based prognostic model with therapeutic insights in sepsis
编辑推荐：
本综述系统构建并验证了一个基于内毒素耐受（ET）相关基因的脓毒症预后模型。研究通过整合多组学数据与机器学习算法，筛选出包含IL4R、CX3CR1、FCGR1A等10个关键基因的签名，能够有效预测28天死亡率。实验验证表明，该特征基因在非存活者外周血单核细胞（PBMC）及CD14+单核细胞中表达显著下调，揭示了脓毒症免疫抑制的核心机制。研究进一步通过ceRNA网络分析及分子对接，提出了针对CX3CR1、TLR5等靶点的潜在治疗策略，为脓毒症的精准免疫干预提供了新视角。
背景
脓毒症作为一种威胁生命的感染并发症，其免疫轨迹具有高度异质性，从早期过度炎症反应快速转向免疫抑制状态，导致临床预后预测困难。内毒素耐受（Endotoxin Tolerance, ET）是单核/巨噬细胞在反复脂多糖（LPS）刺激后出现的关键免疫抑制机制，其特征是促炎细胞因子产生减少和免疫应答能力钝化。尽管ET表型与脓毒症患者不良预后（如ICU停留时间延长、二次感染风险增加）密切相关，但其相关基因（ETG）的系统性预后价值尚未被充分挖掘。本研究旨在构建并临床验证一个基于ETG的签名，用于脓毒症短期死亡风险分层。
材料与方法
研究团队从GEO和ArrayExpress数据库获取了包括GSE65682、GSE95233等在内的多个脓毒症患者全血转录组数据集。通过交叉分析差异表达基因（DEG）与内毒素耐受相关基因集，初步筛选出131个脓毒症相关ETG。随后，采用包含12种机器学习算法（如Lasso、随机森林RF、XGBoost等）的108种模型/特征组合集成框架进行模型构建与排序，最终确定一个包含10个基因（IL4R、ATM、CX3CR1、F5、ELANE、ADRB2、TLR5、CCL5、FCGR1A、CARD16）的简约签名，并据此计算风险评分。同时，构建了一个结合年龄与ETG风险评分的列线图（Nomogram）用于临床预测。模型内部性能通过Bootstrap校准、时间依赖性ROC曲线（7天、14天、28天的AUC）以及Harrell‘s C指数进行评估。
为实验验证，研究前瞻性收集了重庆医科大学大学城医院ICU的50例脓毒症患者外周血样本（存活者37例，非存活者13例），通过RT-qPCR、Western blot检测PBMC中特征基因的mRNA和蛋白表达，并利用流式细胞术分析CD14+单核细胞表面FCGR1A/CD64、CX3CR1及PD-1的表达比例。此外，研究还通过构建ceRNA调控网络（利用miRDB、TargetScan、ENCORI等数据库）探索了非编码RNA的调控机制，并基于DGIdb数据库和AutoDock Vina分子对接软件，分析了关键靶点（CX3CR1、FCGR1A、TLR5）的成药性。
结果
脓毒症相关ETG的鉴定与预后模型构建
在GSE65682数据集的479例脓毒症患者与42例健康对照中，共识别出1310个DEG，其中131个与ETG重叠。单因素Cox回归进一步筛选出33个与28天生存显著相关的预后ETG。通过机器学习模型比较，Lasso结合随机森林（Lasso+RF）模型在训练集和多个独立验证集中表现出最优的平均AUC（0.751），最终确定的10基因签名在存活者与非存活者间表达差异显著。风险评分模型将患者分为低风险与高风险组，KM曲线显示低风险组生存率显著更高。时间依赖性ROC分析表明，该评分在7、14、28天的AUC分别为0.75、0.75和0.71，且风险评分是独立的预后预测因子。
列线图的构建与性能
结合年龄与ETG风险评分构建的列线图，在经过1000次Bootstrap内部验证后，显示出良好的校准度。其在7、14、28天的AUC分别达到0.76、0.78和0.73，Harrell‘s C指数为0.782，表明其具有稳定的预测性能。
功能富集分析
基因集富集分析（GSEA）显示，低风险组显著富集于自然杀伤细胞介导的细胞毒性、B细胞受体信号通路、趋化因子信号通路、T细胞受体信号通路、抗原加工呈递以及Toll样受体信号通路等免疫相关通路。对单个基因的KEGG分析提示，CX3CR1主要参与自然杀伤细胞和T细胞受体信号通路，TLR5与FcγR介导的吞噬作用相关，CARD16参与NOD样受体信号通路，而FCGR1A则与RIG-I样受体信号通路有关。
临床队列实验验证
在50例前瞻性临床样本中，RT-qPCR和Western blot结果一致显示，非存活者PBMC中FCGR1A、TLR5和CX3CR1的mRNA和蛋白表达水平均显著低于存活者。流式细胞术进一步证实，非存活者CD14+单核细胞中FCGR1A+、CX3CR1+和PD-1+细胞的比例显著降低，提示其单核细胞免疫激活和抗原呈递功能受损。
ceRNA调控网络与分子对接
通过整合差异表达的lncRNA和miRNA，构建了lncRNA-miRNA-mRNAceRNA调控网络，揭示了如NEAT1/miR-1287-5p/CX3CR1、MIR181A1HG/miR-491-3p/ADRB2等潜在调控轴。药物-基因相互作用网络分析和分子对接结果表明，CX3CR1、FCGR1A和TLR5具有成药潜力，丙戊酸（valproic acid）、CGP-52608等小分子化合物与这些靶点表现出较好的预测结合亲和力，为后续药物重定位研究提供了线索。
讨论
本研究通过整合生物信息学与实验验证，成功构建了一个基于内毒素耐受机制的10基因预后签名，该签名能够有效捕捉脓毒症相关的免疫抑制状态，并对28天死亡风险进行准确分层。特征基因（如CX3CR1、FCGR1A、TLR5）的下调与非存活者单核细胞功能抑制表型高度一致，强化了免疫抑制在脓毒症预后中的核心地位。相较于已有的脓毒症分型系统（如SRS、MARS），本模型聚焦于ET这一明确生物学机制，具有更强的可解释性和转化潜力。结合年龄的列线图提升了模型的临床实用性。ceRNA网络和分子对接分析则从表观遗传调控和药物开发角度拓展了研究的深度。研究的局限性包括临床验证样本量有限、数据来源为混合白细胞转录组等，未来需要更大规模的前瞻性研究和功能实验加以验证。
结论
本研究证实了内毒素耐受相关基因在脓毒症预后预测中的重要价值，所构建的10基因风险评分是一个独立的预后因素。多层级的验证支持了其生物学合理性，为脓毒症的精准风险分层和潜在的免疫调节治疗策略奠定了基础。
