《Scientific Reports》：Integration of short non coding RNA and genetic factors for coronary artery disease risk prediction in a prospective study
编辑推荐：
本研究旨在探索新型生物标志物以改善冠状动脉疾病风险预测。研究人员针对血清细胞外囊泡来源的小非编码RNA（sncRNAs）展开分析，结合多基因风险评分。结果鉴定出piR-619与piR-23,533等标志物，与PRS整合后提升了风险预测能力，为CAD的发病机制研究与精准风险评估提供了新见解。
冠状动脉疾病（CAD）是全球范围内导致死亡和多种并发症的主要原因，给公共卫生系统带来了沉重的负担。尽管传统的风险评估因子（如年龄、吸烟、高血压等）已被广泛应用，但其预测精度仍有提升空间。因此，寻找更精准、更灵敏的新型生物标志物，成为心血管疾病预防领域亟待解决的关键问题。近年来，循环生物标志物，尤其是细胞外囊泡（EVs）所携带的分子信息，因其稳定性高、来源特异性强而备受关注。其中，小非编码RNA（sncRNAs），包括微小RNA（miRNAs）和PIWI互作RNA（piRNAs），在基因表达调控中扮演重要角色，并在多种疾病状态中表现出差异表达，显示出作为疾病预测标志物的巨大潜力。与此同时，遗传因素在CAD发病中的作用日益明确，多基因风险评分（PRS）已成为量化个体遗传易感性的有力工具。然而，如何将新型分子标志物与遗传风险信息有效整合，以构建更强大的预测工具，仍是当前研究的空白与挑战。为此，这项发表在《Scientific Reports》上的研究应运而生，旨在评估血清EV来源的sncRNAs作为CAD预测标志物的潜力，并探索其与PRS整合后的预测价值。
为开展此项研究，研究人员主要运用了以下几项关键技术：首先，研究基于前瞻性的EPICOR队列，选取了91名临床前CAD患者及其匹配的健康对照者的血清样本。其次，采用下一代测序技术对血清EVs相关的sncRNAs进行了全面分析。接着，利用实时定量PCR对筛选出的差异表达sncRNA进行技术验证。最后，结合多基因风险评分，并运用随机森林模型构建风险预测模型，通过受试者工作特征曲线下面积和比值比等指标评估预测效能。
差异表达sncRNAs的鉴定
通过下一代测序分析，研究人员在CAD患者与健康对照的血清EVs中，鉴定出44个差异表达的miRNAs和piRNAs。经过严格筛选，最终确定了10个表达差异显著的信号用于后续验证。
关键sncRNAs的技术验证
利用RT-qPCR技术，研究人员对筛选出的sncRNAs进行了验证。结果证实了两种miRNAs（miR-194-5p和miR-451a）以及六种piRNAs（piR-20266, piR-23533, piR-27282, piR-28212, piR-1043, piR-619）的表达变化趋势。
sncRNAs的预测效能评估
研究人员构建了随机森林模型来评估sncRNAs的预测能力。结果显示，piR-619和piR-23,533组合展现出较高的区分能力，其AUC值达到0.72，优于仅使用传统风险因子得到的AUC值。
整合遗传风险评分提升预测能力
为了进一步提升风险评估，研究整合了遗传数据。首先，依据PGS000329评分的第80百分位数将队列分为两组，仅使用该PRS得到的比值比为2.8。随后，在模型中纳入两种piRNAs和吸烟状态进行调整后，比值比进一步提升至3.26，显示出整合模型更强的风险识别能力。
本研究得出结论，血清EV来源的特定piRNAs（尤其是piR-619和piR-23,533）具有作为CAD预测生物标志物的潜力。当这些新型分子标志物与个体的CAD多基因风险评分相结合时，能够显著提升对冠状动脉疾病风险的预测效能，获得的比值比更高。这表明整合分子标志物与遗传信息的策略，有望克服单一维度指标的局限性。尽管本研究受限于缺乏独立的验证队列，但这些发现不仅为CAD的风险分层提供了新的、潜在的血液标志物，更重要的是，为理解CAD的发病机制提供了新的视角。整合sncRNAs与PRS的策略，代表了向更个性化、更精准的心血管疾病风险评估迈出的重要一步，未来或可应用于高危人群的早期识别与针对性预防。
