《Scientific Reports》：Machine learning-driven discovery of STAT1 and TRIM22 as immune biomarkers for lupus nephritis: translational insights into diagnosis and pathogenesis
编辑推荐：
本研究旨在解决狼疮性肾炎(LN)可靠非侵入性生物标志物匮乏的临床难题。研究人员通过整合多队列转录组学数据，运用WGCNA与多种机器学习算法筛选出免疫相关差异表达基因，并构建诊断模型。研究最终鉴定并验证STAT1和TRIM22在LN患者外周血中显著上调，二者构成的标志物组合展现出优异的诊断性能(AUC>0.9)，为LN的无创诊断与免疫机制探究提供了新靶点。
狼疮是一种狡猾的自身免疫性疾病，当其攻击肾脏时，便演变为一种严重的并发症——狼疮性肾炎(Lupus Nephritis, LN)。据统计，LN是导致系统性红斑狼疮(Systemic Lupus Erythematosus, SLE)患者肾功能不全甚至衰竭的主要原因之一，严重威胁患者生命健康。然而，临床医生在诊断和监测LN活动性时，常常面临一个棘手的问题：目前主要依赖于肾穿刺活检，这是一种有创、痛苦且存在一定风险的操作，无法频繁进行以动态评估病情。因此，寻找一种可靠、便捷、非侵入性的生物标志物，如同为医生配备一双能够“透视”肾脏免疫活动的“眼睛”，成为LN临床管理亟待突破的瓶颈。此外，LN复杂的免疫发病机制仍未完全阐明，这也限制了更精准靶向治疗策略的开发。为了解决这些问题，研究人员决心利用现代生物信息学与分子生物学技术，从免疫调控的角度出发，探寻LN的关键分子标志。
为了回答上述问题，研究人员在《Scientific Reports》期刊上发表了一项研究，他们整合了三个独立的LN患者转录组学数据集，通过生物信息学分析和实验验证相结合的策略，系统性地筛选并验证了潜在的免疫相关生物标志物。
本研究主要运用了以下几项关键技术方法：首先，研究人员对来自公开数据库的三个LN患者与健康对照的转录组数据集进行差异表达分析，识别出差异表达基因(Differentially Expressed Genes, DEGs)。接着，利用加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis, WGCNA)从中筛选出与免疫过程密切相关的模块与基因。然后，采用多种机器学习算法（如LASSO回归、随机森林等）对候选基因进行进一步筛选和优先级排序。为了评估候选基因的诊断价值，他们构建了受试者工作特征曲线(Receiver Operating Characteristic Curve, ROC)和列线图(Nomogram)模型。此外，还进行了基因功能富集分析和免疫细胞浸润分析以探究其生物学意义。最后，为了进行独立验证，研究团队收集了13名LN患者和10名健康对照者的外周血样本，使用定量实时聚合酶链式反应(Quantitative Real-time Polymerase Chain Reaction, qRT-PCR)技术检测了关键候选基因的表达水平。
研究结果通过一系列有序的分析层层递进，揭示了关键的发现：
1. 差异表达基因与免疫相关基因的鉴定
研究人员通过分析三个LN转录组数据集，共鉴定出320个差异表达基因。进一步利用WGCNA分析，从中聚焦到53个与免疫过程显著相关的基因，为后续寻找免疫特异性生物标志物奠定了基础。
2. 机器学习筛选关键候选基因
通过对这53个免疫相关差异表达基因应用多种机器学习算法进行筛选和交叉验证，研究人员初步锁定了四个核心候选基因：CD40LG、RETN、TRIM22和STAT1。这些基因在区分LN患者与健康对照者方面显示出潜力。
3. 免疫浸润分析与基因功能关联
免疫细胞浸润分析结果显示，不同的候选基因与特定的免疫细胞亚群存在关联。值得注意的是，TRIM22的表达与CD4+T细胞相关的特征表现出特别显著的相关性，这提示该基因可能在LN的T细胞介导的免疫反应中扮演重要角色。
4. 实验验证与诊断模型构建
最关键的验证步骤来自对临床样本的qRT-PCR检测。结果证实，在LN患者的外周血中，STAT1和TRIM22的表达水平确实显著高于健康对照组。然而，RETN和CD40LG并未显示出显著的表达上调。基于这一结果，研究人员优化并构建了一个由STAT1和TRIM22组成的双基因标志物组合。
5. 诊断效能评估
无论是基于原始的转录组训练数据集，还是在新的临床验证队列中，这个STAT1/TRIM22双基因标志物都表现出优异且一致的区分能力，其ROC曲线下面积(Area Under the Curve, AUC)均大于0.9，表明该标志物具有很高的诊断准确度。
研究结论与意义
本研究通过整合多组学数据与机器学习分析，结合严格的实验验证，成功地鉴定并证实了信号转导与转录激活因子1(Signal Transducer and Activator of Transcription 1, STAT1)和三结构域蛋白22(Tripartite Motif-containing 22, TRIM22)作为狼疮性肾炎潜在的、新型的免疫相关生物标志物。这两个基因在LN患者外周血中持续上调，且二者构成的组合在训练集和独立临床样本中均展现出卓越的诊断性能(AUC > 0.9)。
这项研究的结论具有多重重要意义。首先，在临床应用层面，STAT1和TRIM22作为可从外周血中检测的生物标志物，为开发无创、便捷的LN辅助诊断工具提供了极具前景的候选靶点，有望减少对肾穿刺活检的依赖，便于病情动态监测。其次，在机制研究层面，STAT1是干扰素信号通路的关键转录因子，其上调与自身免疫的激活密切相关；而TRIM22作为一种E3泛素连接酶，不仅与抗病毒免疫有关，本研究还发现其与CD4+T细胞浸润特征关联，这为深入理解LN的免疫发病机制，特别是T细胞异常活化与肾脏损伤的关联，开辟了新的研究方向。最后，在方法论上，该研究展示了将生物信息学、机器学习与湿实验验证相结合的策略在复杂疾病生物标志物发现中的强大效力。总之，该研究不仅为LN的临床诊断提供了新的可能性，也为进一步探究该疾病的免疫病理机制及开发新的治疗策略奠定了重要的分子基础。
