《Scientific Reports》：Identification of ubiquitination-related signature genes for predicting kidney transplant rejection
编辑推荐：
本研究针对肾移植排斥(KTR)风险预测难题，通过生物信息学分析筛选出16个差异表达泛素化相关基因(DE-URGs)，构建URGScore预测模型。研究发现NF-κB和TNF信号通路关键作用，鉴定DTX3L、MARCH1等6个标志基因，在独立验证集中AUC达0.771。该研究为KTR提供新型分子标志物和风险评估工具。
肾脏移植作为终末期肾病患者的重要治疗手段，其长期存活率始终受到移植排斥反应的严峻挑战。尽管免疫抑制药物不断更新迭代，但移植肾的长期存活率仍不尽如人意。据统计，移植肾的10年存活率仅为50%左右，其中免疫排斥是导致移植肾功能丧失的主要原因。更为棘手的是，目前临床缺乏能够准确预测排斥风险的生物标志物，使得医生难以及时调整治疗方案，往往错失干预的最佳时机。
近年来，越来越多的研究表明，泛素化修饰在免疫调节中发挥着关键作用。泛素化是一种重要的蛋白质翻译后修饰过程，通过泛素-蛋白酶体系统参与免疫细胞的活化、增殖和凋亡等关键生物学过程。然而，泛素化相关基因(URGs)在肾移植排斥(KTR)中的具体作用机制尚不明确，这为研究者提供了新的探索方向。
为此，发表在《Scientific Reports》上的这项研究开展了一项系统性的生物信息学分析，旨在揭示URGs在KTR中的分子机制，并构建可靠的预测模型。研究人员从Gene Expression Omnibus数据库获取了GSE98320数据集的mRNA表达谱，通过差异表达分析筛选出与肾移植排斥相关的基因，并将其与已知的URGs取交集，最终获得16个差异表达泛素化相关基因(DE-URGs)。
为了深入理解这些基因的生物学功能，研究团队进行了Gene Ontology功能富集分析和KEGG通路富集分析。结果显示，这些DE-URGs显著富集在NF-κB信号通路和TNF信号通路等免疫相关通路，提示这些通路可能在肾移植排斥的免疫调控中起关键作用。
基于这些发现，研究人员构建了一个名为URGScore的预测模型，该模型能够有效区分不同排斥风险的患者。在发现队列中，URGScore表现出优异的预测性能，曲线下面积(AUC)达到0.774（95%置信区间0.747-0.800）。进一步分析显示，高风险组和低风险组在免疫细胞浸润方面存在显著差异，特别是调节性T细胞(Treg细胞)的浸润水平差异最为明显。
通过机器学习算法，研究最终确定了6个最具预测价值的标志基因：DTX3L、MARCH1、NCF4、RNF125、TRIM21和TRIM22。值得注意的是，这些基因的表达水平呈现出明显的亚型依赖性梯度变化：在抗体介导的排斥中表达较低，在T细胞介导的排斥中表达升高，而在混合型排斥中达到最高水平。
为了便于临床应用，研究人员将这些标志基因整合到一个诺莫图(nomogram)中，该诺莫图在验证集中的AUC为0.771（95%置信区间0.745-0.798），显示出良好的预测准确性。在独立数据集中的验证结果进一步证实了模型的可靠性。
在具体的临床样本分析中，研究人员观察到两个移植排斥病例中MARCH1和RNF125的表达水平显著高于其他活检样本。更有趣的是，在一例IgA肾病患者中，所有标志基因都表现出普遍的高表达模式，这提示这些基因可能在其他肾脏疾病中也具有一定的作用。
主要技术方法包括：从Gene Expression Omnibus数据库获取GSE98320数据集的mRNA表达数据；差异表达基因分析筛选肾移植排斥相关基因；基因集富集分析（包括Gene Ontology和KEGG通路分析）；机器学习算法构建预测模型；免疫细胞浸润分析；独立数据集验证。
URGs在肾移植排斥中的表达特征
通过对GSE98320数据集的分析，研究人员发现16个DE-URGs在排斥组和非排斥组之间存在显著表达差异。这些基因主要参与蛋白质泛素化过程、免疫应答调节等生物学过程，为理解肾移植排斥的分子机制提供了重要线索。
URGScore模型的构建与验证
基于LASSO回归分析，研究团队构建了URGScore预测模型。该模型通过计算每个样本的风险评分，能够准确区分高排斥风险和低排斥风险的患者。在训练集和验证集中，模型均表现出稳定的预测性能，证实了其临床应用潜力。
免疫细胞浸润分析
通过CIBERSORT算法分析免疫细胞组成，研究发现高风险组和低风险组在免疫细胞浸润模式上存在显著差异。特别是Treg细胞在不同风险组中的浸润水平差异最为明显，这为理解排斥反应的免疫学基础提供了新的视角。
标志基因的临床意义
6个标志基因在不同类型排斥反应中表现出特异性的表达模式。DTX3L、MARCH1等基因在混合型排斥中表达最高，提示这些基因可能作为区分排斥类型的潜在生物标志物。此外，这些基因在IgA肾病中的高表达也表明它们可能具有更广泛的肾脏疾病诊断价值。
研究结论表明，基于泛素化相关基因的生物标志物 panel 为肾移植排斥的风险预测提供了新的工具。URGScore模型不仅具有良好的预测性能，而且揭示了NF-κB和TNF信号通路在排斥反应中的核心作用。这些发现不仅有助于临床医生早期识别高危患者，还为开发新的治疗靶点提供了理论依据。
讨论部分指出，本研究首次系统性地探讨了URGs在肾移植排斥中的作用，并建立了可靠的预测模型。然而，研究也存在一些局限性，如样本量相对有限，需要更大规模的前瞻性研究来验证模型的临床效用。未来研究可进一步探讨这些标志基因在排斥反应中的具体分子机制，为开发新的免疫干预策略提供方向。
总的来说，这项研究为肾移植排斥的精准医疗迈出了重要一步，通过整合生物信息学分析和临床验证，为改善移植患者的长期预后提供了新的希望。随着更多研究的开展，基于泛素化相关基因的分子分型有望成为肾脏移植管理的重要组成部分。
