《SCIENCE ADVANCES》：Longitudinal monitoring of type 1 diabetes progression to disease onset
编辑推荐：
本研究针对1型糖尿病（T1D）临床前监测难题，开发了可植入式微孔支架免疫生态位（IN）技术。通过纵向监测NOD小鼠模型，研究团队成功在症状出现前5-7周识别疾病进展，并发现8个早期诊断基因标志物。该技术为T1D的早期干预提供了全新窗口，对推动疾病修饰疗法发展具有重要意义。
在全球范围内，1型糖尿病（T1D）的发病率正呈现持续上升趋势，预计到2040年患者总数将突破1350万。这种自身免疫性疾病的核心病理特征在于免疫系统对胰腺β细胞的进行性破坏，导致胰岛素分泌绝对不足。当前临床诊断主要依赖循环自身抗体检测、C肽水平测定或血糖异常指标，但这些方法往往只能在β细胞功能已严重受损时才能发现异常。更棘手的是，已被美国FDA批准用于延缓T1D进展的免疫疗法（如抗CD3单抗teplizumab），其最佳干预时机是在血糖异常出现之前，而现有监测手段难以精准捕捉这个关键时间窗。
面对这一挑战，科研人员将目光投向了疾病监测新策略——通过构建一个"免疫雷达站"来提前预警自身免疫反应。这项发表在《SCIENCE ADVANCES》上的创新研究，利用皮下植入的微孔聚己内酯（PCL）支架构建免疫生态位（IN），成功实现了对T1D发生发展全过程的动态监测。该技术最大的突破在于，能够在不直接触及胰腺这个"禁区"的情况下，通过远位组织采样捕捉疾病特异性免疫变化。
研究人员在非肥胖糖尿病（NOD）小鼠和糖尿病抗性（NOR）小鼠模型中开展了系统性研究。通过在4周龄小鼠皮下植入IN支架，并从6周龄开始进行每周一次的活检采样，构建了完整的疾病进展转录组数据库。令人振奋的是，通过对IN样本的批量RNA测序分析，研究团队不仅成功区分了糖尿病易感群体（NOD）与健康对照组（NOR），更在症状出现前7周就精准识别出疾病进展的转折点。
关键技术方法包括：微孔PCL支架制备与植入技术、每周纵向活检采样流程、批量RNA测序与生物信息学分析（弹性网络回归、主成分分析、基因集变异分析）、单细胞RNA测序数据验证，以及随机森林和奇异值分解等机器学习算法应用于基因签名评分。
IN能够通过重复活检实现纵向监测
研究团队建立了每周IN活检采样技术流程，在NOD和NOR小鼠中成功获取了从6周龄到糖尿病发病或30周龄的连续样本。通过批量RNA测序和数据分析，从23096个基因中筛选出4593个符合表达量和变异度阈值的关键基因用于后续研究。
IN分析可区分所有NOD小鼠与NOR对照组
研究发现了120个基因组成的特征谱，能够准确区分NOD和NOR样本，接收者操作特征曲线评分持续高于0.9。同时识别出39个与年龄相关但与非糖尿病性变化相关的基因，这些基因在后续分析中被排除以确保结果特异性。
NOD进展者与非进展者在6周龄时即可区分
最具临床意义的发现是，研究人员在6周龄时就成功识别出最终会发展为糖尿病的NOD小鼠。通过13个基因特征谱，进展者与非进展者实现了清晰分离，而此时两组小鼠的腹腔葡萄糖耐量测试尚未显示任何差异。进一步分析确定了8个核心基因（Dlx3、Padi3、Sh3gl3、Gnasas1、Sox11、Marco、F2rl1和Dlk1）组成的特征谱，其中6个基因在NOD胰岛单细胞测序数据中得到验证，表明IN确实能够捕捉胰腺局部免疫微环境的变化。
IN分析在症状出现前7周识别疾病前状态
对进展小鼠的纵向分析显示，在疾病发生前7周（-7周）和前5周（-5周）存在明显的转录组转变。13个基因特征谱（包括Amd1、Chp1、Zfp760等）能够准确区分这两个时间点，其中11个基因在胰腺胰岛细胞中表达。通过随机森林和奇异值分解评分系统，研究人员建立了疾病进展的定量评估方法，证实-7周至-5周是疾病进展的关键转折期。
研究结论表明，IN技术首次实现了对T1D自然史的全程可视化监测，突破了传统依赖血糖异常进行诊断的局限。这种基于远端非重要组织的监测策略，不仅证实了T1D的系统性疾病特征，更重要的是为疾病修饰疗法的精准实施提供了时间窗口。该研究中发现的基因特征谱不仅具有诊断价值，其中涉及免疫调节（如Marco、F2rl1）、代谢平衡（如Dlk1、Sh3gl3）和细胞再生（如Sox11）的基因更为理解T1D发病机制提供了新视角。随着进一步验证研究的开展，这项技术有望转化为临床可用的早期监测工具，从根本上改变T1D的诊疗现状。
