《Frontiers in Neurology》：Machine learning and single-cell RNA sequencing analyses identify MS-related monocytes and a five-gene candidate biomarker signature
编辑推荐：
本研究通过整合单细胞RNA测序（scRNA-seq）与机器学习算法，首次在实验性自身免疫性脑脊髓炎（EAE）模型中鉴定出多发性硬化（MS）相关的单核细胞亚群，并筛选出COX5A、CTSS、GBP2、IRF7和PGAM1五个关键基因作为诊断标志物。该研究揭示了单核细胞在神经炎症中的动态分化轨迹及免疫代谢重编程机制，为MS的早期诊断和靶向治疗提供了新视角。
单细胞测序揭示多发性硬化相关单核细胞的动态特征
通过对髓鞘少突胶质细胞糖蛋白（MOG35-55）诱导的EAE模型进行单细胞RNA测序分析，研究团队在脑组织中发现26个转录异质性细胞簇。通过经典谱系标记基因注释，这些细胞被划分为小胶质细胞、单核细胞、巨噬细胞、T细胞等类型。比较分析显示，EAE组与对照组在T细胞、单核细胞等比例上存在显著差异，其中单核细胞在EAE组中扩增最为明显。进一步将单核细胞细分为18个亚群后，鉴定出簇0、1、9、10和14为EAE样本特有的MS相关单核细胞。细胞通讯分析发现，这些细胞通过CCL5-CCR1/CCR5等配体-受体轴与巨噬细胞、内皮细胞密切互动，且其外向交互强度在所有细胞类型中最高，表明其具有活跃的分泌功能。
高维基因共表达网络挖掘核心模块
研究采用HdWGCNA（高维加权基因共表达网络分析）构建了17个基因模块，从中筛选出与MS相关单核细胞亚群最相关的粉色、青色、绿色等7个模块，并提取了70个枢纽基因。伪时间轨迹分析表明，MS相关单核细胞分布于单核细胞发育的不同阶段：簇9和14位于早期和中期，簇0和1位于中晚期，簇10定位于中晚期过渡点。这70个枢纽基因在单核细胞增殖的特定伪时间区间富集，提示其通过调控单核细胞分化参与MS病理进程。
机器学习精准筛选五基因标志物组合
通过LASSO回归结合10种机器学习算法（包括逻辑回归、随机森林等），从55个差异表达基因中筛选出COX5A、CTSS、GBP2、IRF7和PGAM1五个最优特征基因。在训练集（GSE135511）和验证集（GSE108000）中，随机森林模型均表现出最高预测效能（AUC值达0.993）。表达验证显示，CTSS、GBP2和IRF7在MS样本中显著上调，而COX5A和PGAM1明显下调。受体操作特征曲线（ROC）分析进一步证实这些基因具有优异的诊断价值。
转录调控网络揭示免疫代谢重编程机制
SCENIC（单细胞调控网络推断）分析发现，MS样本中转录因子Mef2a、Cebpb、Jun等活性显著改变。这些因子与五个特征基因显著相关，其中GBP2与差异转录因子的连接性最强。免疫浸润分析显示，特征基因与M2型巨噬细胞、中性粒细胞等免疫细胞比例密切相关。单样本基因集富集分析（ssGSEA）表明，CTSS、GBP2和IRF7主要富集于干扰素-γ反应、炎症反应等通路，而COX5A和PGAM1则与氧化磷酸化、脂肪酸代谢等代谢通路相关。基因集富集分析（GSEA）进一步揭示，高表达COX5A和PGAM1与氧化磷酸化、丁酸代谢相关，而高表达CTSS和GBP2与移植物抗宿主病、自身免疫通路关联。
实验验证确认基因表达与定位
通过qRT-PCR和免疫荧光染色，研究在EAE脑组织中验证了五个特征基因的表达模式与定位。结果显示，CTSS、GBP2和IRF7在EAE组中表达上调，COX5A和PGAM1下调，且这些基因均定位于CD11b+髓系细胞。其中GBP2的表达最为显著，与生物信息学分析一致。
讨论与展望
本研究首次通过单细胞测序与机器学习整合策略，系统揭示了MS相关单核细胞在神经炎症中的核心作用。这些细胞呈现独特的代谢重编程（COX5A/PGAM1下调）与免疫激活特征（CTSS/GBP2/IRF7上调），并通过CCL等信号轴驱动炎症级联反应。尽管EAE模型与人类MS存在异质性，且单细胞数据中单核细胞的标记基因定义存在局限，但五基因特征为MS的分子分型和免疫代谢调控机制研究提供了新方向。未来需要在人类单细胞水平进一步验证这些基因的细胞特异性表达，并探索其作为治疗靶点的潜力。
