《Biochemistry and Biophysics Reports》：Exploring potential biomarkers of NETosis-Related genes in spinal cord injury through machine learning and multi-omics analysis
编辑推荐：
本研究针对脊髓损伤(SCI)后继发性损伤机制复杂、治疗手段有限的问题，通过整合生物信息学与实验验证方法，系统探讨了中性粒细胞胞外诱捕网(NETs)形成相关基因(NRGs)在SCI中的诊断价值。研究人员利用GEO数据库GSE151371数据集，结合机器学习算法筛选出NLRP3、LRG1和TLR8三个关键基因，并通过多组学分析和分子生物学实验验证其诊断潜力(AUC>0.9)。该研究为SCI的精准诊断和靶向治疗提供了新思路，发表于《Biochemistry and Biophysics Reports》。
当脊髓遭受意外创伤时，不仅会造成即刻的机械性损伤，更会引发一系列复杂的继发性病理反应，这些反应如同多米诺骨牌般不断加剧神经组织的损害。其中，中性粒细胞作为最早到达损伤部位的免疫细胞，通过形成中性粒细胞胞外诱捕网(Neutrophil Extracellular Traps, NETs)这一特殊机制，在继发性损伤中扮演着关键角色。NETs是由染色质DNA、组蛋白和颗粒蛋白组成的网状结构，虽然正常情况下有助于清除病原体，但在病理状态下过度积累会加剧炎症反应、破坏血脊髓屏障、抑制轴突再生，从而阻碍神经功能恢复。尽管已有研究表明靶向NETs能够减轻脊髓损伤后的组织损伤，但关于NETs形成相关基因(NETosis-Related Genes, NRGs)在脊髓损伤中的系统性研究仍显不足。
为了解决这一科学问题，广西医科大学第一附属医院康复医学科的研究团队在《Biochemistry and Biophysics Reports》上发表了一项创新性研究。该研究通过整合机器学习与多组学方法，深入探索了NRGs在脊髓损伤中的生物标志物潜力，为开发新的诊断和治疗策略提供了重要理论依据。
研究人员采用了一系列先进的技术方法开展此项研究。他们从GEO数据库获取了GSE151371数据集，包含38例脊髓损伤患者和10例健康对照的基因表达谱。通过limma包识别差异表达基因，利用GO和KEGG进行功能富集分析，并采用CIBERSORT算法评估免疫细胞浸润情况。研究还运用加权基因共表达网络分析(WGCNA)构建共表达模块，通过11种机器学习算法组合筛选特征基因，最后通过临床血液样本和大鼠脊髓损伤模型进行实验验证。
3.1. 差异表达基因识别
研究共鉴定出4878个差异表达基因，其中2409个上调、2469个下调。这些基因显著富集于免疫相关通路，包括淋巴细胞分化、T细胞活化等生物过程，以及COVID-19感染、Th1/Th2细胞分化、PD-L1/PD-1检查点等信号通路，提示免疫炎症反应在脊髓损伤病理过程中的重要作用。
3.2. 功能与通路富集分析
GO分析显示差异基因在免疫细胞活化、分化等生物过程中显著富集。KEGG通路分析进一步证实这些基因与多种免疫炎症通路密切相关，为理解脊髓损伤的分子机制提供了新视角。
3.3. 加权基因共表达网络构建
WGCNA识别出与脊髓损伤最相关的浅珊瑚色模块，该模块与NRGs交集获得12个候选基因，为后续机器学习分析奠定了基础。
3.4. 机器学习筛选关键基因
通过11种机器学习算法的101种组合模型，最终确定NLRP3、LRG1和TLR8三个基因具有最佳诊断性能，其在训练集和测试集中的AUC值均超过0.9，显示出极高的诊断潜力。
3.5. 诊断效能评估
ROC曲线分析显示NLRP3、LRG1和TLR8的AUC值分别为0.904、0.966和0.987。构建的列线图模型具有优秀的校准曲线和决策曲线，表明其在临床应用中具有重要价值。
3.6. 特征基因表达差异与蛋白互作
蛋白互作网络分析发现CARD8、NEK7、MEFV和CNPY4是三个关键基因的共同相互作用蛋白，提示这些基因可能通过形成复杂的炎症信号枢纽参与脊髓损伤的病理过程。
3.7. 基因集富集分析
GSEA显示特征基因在不同表达水平中富集于不同的信号通路。TLR8低表达组富集在造血细胞谱系、MAPK信号等通路，而NLRP3和LRG1在高表达组中主要富集于免疫相关通路。
3.8. 免疫细胞浸润分析
CIBERSORT分析发现脊髓损伤患者中浆细胞、γδ T细胞、M0型巨噬细胞和中性粒细胞浸润显著增加，而记忆B细胞、CD8+T细胞等明显减少，揭示了脊髓损伤后独特的免疫微环境特征。
3.9. 关键基因与免疫细胞相关性
相关性分析表明TLR8与7种免疫细胞亚群显著相关，LRG1与5种免疫细胞相关，而NLRP3未发现显著相关性，提示不同基因可能通过调控特定免疫细胞亚群参与疾病进程。
3.10. 实验验证
qRT-PCR验证显示，在临床血液样本中，NLRP3和TLR8表达显著上调，LRG1虽有升高但无统计学差异。在大鼠脊髓组织中，三个基因表达均显著上调，证实了生物信息学分析结果的可靠性。
该研究通过多组学整合分析和大鼠模型验证，首次系统阐述了NETosis相关基因在脊髓损伤中的诊断价值和病理机制。研究发现NLRP3、LRG1和TLR8通过调节炎症反应和免疫细胞浸润，可能成为脊髓损伤的新型生物标志物和治疗靶点。这些基因的表达变化与中性粒细胞胞外诱捕网的形成密切相关，为理解脊髓损伤的免疫炎症机制提供了新视角。
研究的创新之处在于将机器学习与多组学分析相结合，从系统生物学角度揭示了NETosis相关基因在脊髓损伤中的重要作用。不仅发现了具有高诊断效能的生物标志物，还通过实验验证了其表达变化，为开发针对NETs形成的靶向治疗策略奠定了理论基础。未来研究可进一步探索这些基因在NETosis过程中的具体调控机制，以及它们作为治疗靶点的临床应用潜力。
尽管该研究在样本量和验证深度方面存在一定局限，但其整合生物信息学与实验医学的研究策略，为复杂疾病机制研究提供了新范式。这些发现不仅对脊髓损伤的诊断和治疗具有重要意义，也为其他NETs相关疾病的研究提供了有价值参考。随着对NETosis机制认识的深入，针对这些关键基因的干预措施有望为脊髓损伤患者带来新的治疗希望。
