《Microchemical Journal》：Through electrochemical sensors and machine learning to identify key risk genes and related molecular pathogenesis in emphysema: NF-κB signaling pathway
编辑推荐：
基于高通量转录组数据和qRT-PCR验证，研究发现15个关键基因（如FOSB、OLR1、SAA1等）上调，涉及NF-κB信号通路调控炎症与免疫反应，其高AUC值显示优异的早期诊断潜力。结合电化学传感器技术（如纳米材料修饰的免疫传感器）实现fg/mL-pg/mL级超灵敏检测，并通过多通道阵列构建综合评分模型，提升肺气肿诊断准确性和临床应用价值。
钱健|金星
中国江苏省苏州市苏州大学第二附属医院，邮编215000。
摘要 肺气肿作为慢性阻塞性肺疾病（COPD）的重要表型，目前缺乏敏感且动态的早期诊断方法。电化学传感器适用于即时检测炎症因子、氧化应激标志物以及信号通路中的关键蛋白质。我们利用公共数据库中的高通量转录组数据集探讨了肺气肿的分子基础。qRT-PCR实验确认了15个关键基因的上调，包括FOSB、OLR1、SAA1、S100A12、IRAK1和NFKBIB。这些基因参与NF-κB信号通路，该通路调节炎症和免疫反应。ROC曲线分析显示这些基因具有较高的AUC值，表明它们具有作为肺气肿早期检测和疾病管理生物标志物的潜力。基于蛋白质的标志物天然适合用于电化学传感平台：一方面，它们在血清和呼出气体冷凝物等体液中具有可检测的浓度；另一方面，研究表明，经过纳米材料修饰的电化学免疫传感器或适配体传感器能够实现对SAA1和S100A12等低丰度蛋白质的超灵敏（fg/mL–pg/mL级别）和特异性检测。多通道电化学阵列技术可以同时捕获多个通路相关的标志物，并构建综合评分模型，以提高诊断准确性和临床应用性。
引言 COPD是一种全球范围内普遍存在的慢性呼吸系统疾病，其发病率持续上升，给公共卫生带来了重大负担，并降低了生活质量。肺气肿作为COPD的核心病理特征，涉及肺泡壁的进行性破坏，从而降低气体交换效率并导致呼吸功能受损。这种结构恶化是由蛋白酶失衡、慢性炎症、氧化应激和细胞凋亡共同驱动的。肺气肿是理解COPD机制和开发新治疗方法的关键靶点[2]、[3]、[4]。肺气肿的发病机制涉及多种因素的复杂相互作用，包括长期吸烟暴露、遗传易感性、氧化应激、蛋白酶-抗蛋白酶失衡以及持续的炎症反应[5]。香烟烟雾中的有害成分会引发一系列病理事件，包括炎症细胞向肺实质的募集、蛋白酶的释放、活性氧的生成以及细胞外基质成分的后续破坏[6]、[7]。然而，并非所有吸烟者都会发展成肺气肿，这表明遗传和分子因素在决定个体易感性方面起着关键作用。尽管取得了进展，但驱动肺气肿的确切分子事件仍不完全清楚。长期暴露于香烟烟雾等有害刺激会引发炎症、氧化和蛋白水解过程，但遗传、表观遗传和细胞因素之间的相互作用非常复杂。目前的肺气肿治疗方法主要是对症治疗，无法解决核心的分子异常或促进肺组织再生。识别关键的分子驱动因素和失调的调控网络对于阐明疾病机制和发现新的治疗靶点至关重要。将多组学数据和生物信息学与实验验证相结合，可以揭示肺气肿的分子结构，有望带来精准治疗和早期诊断工具，从而改变临床管理方式。
了解已识别风险基因与免疫细胞浸润模式之间的相互作用有助于更深入地理解肺气肿的病理生理学。电化学传感器彻底改变了生物医学诊断，具有高灵敏度、成本效益和快速响应时间，非常适合用于即时检测和实时监测疾病生物标志物。它们将生物识别事件转化为电信号，实现目标分析物的精确量化。这些传感器在呼吸健康监测方面尤其具有前景，能够检测COPD和哮喘等病症中的炎症、氧化应激和感染分子指标。与传统技术相比，电化学生物传感器具有明显优势，能够达到皮摩尔和飞摩尔级别的检测限，优于传统的ELISA方法。它们已成功应用于检测呼出气体冷凝物（EBC）、唾液、痰液和血清等微创样本中的生物标志物。通过使用石墨烯、金纳米颗粒和金属有机框架等纳米材料对工作电极进行战略性修饰，可以增强电子转移动力学，增加表面积，并提高选择性和稳定性。鉴于肺气肿病理过程中大量炎症介质的释放和氧化还原失衡，开发针对关键风险基因表达产物（如SAA1、S100A12、IRAK1等蛋白质）的电化学免疫传感器或适配体传感器，有望实现疾病的早期筛查和动态监测。因此，将机器学习筛选出的候选生物标志物与电化学传感平台相结合，不仅验证了它们的临床转化潜力，还为构建便携式、高通量的肺气肿诊断工具提供了理论基础和技术路径。使用CIBERSORT、TIMER和xCell进行的免疫分析揭示了基因表达与免疫细胞浸润之间的相关性。在CSE处理的HBECs中的实验验证确认了多个基因的上调。通过分析免疫细胞浸润模式，探讨了关键基因与免疫微环境之间的关系。最后，使用香烟烟雾提取物诱导的细胞模型对候选基因进行了实验验证，为理解肺气肿的分子发病机制提供了全面的框架。
数据获取与预处理 GSE1122 数据集是使用Affymetrix Human Full Length HuGeneFL Array（GPL80）生成的。该微阵列针对全长基因序列，可测量数千个mRNA转录本。它采用基于探针的系统，探针与cDNA序列杂交后，通过量化荧光信号来估计转录本丰度。该数据集包括两组肺组织表达谱：肺气肿患者和健康对照组。参与者在年龄、性别和吸烟情况上进行了匹配。
质量控制与样本特征 GSE1122 数据集包含15个肺组织样本，其中5个为正常对照，10个为肺气肿病例（5例与AATD相关，5例为普通肺气肿）。质量控制评估显示，经过归一化处理后所有样本的表达分布一致，箱线图显示中位表达值和四分位数范围相当（图1A）。肺气肿样本与正常对照组明显区分开来，证实了转录组水平的显著差异。
讨论 本研究通过生物信息学和细胞实验确认了多个与肺气肿相关的基因上调，而电化学传感器的开发为这些发现的临床应用提供了重要支持。以FOSB和OLR1为例，它们的AUC值高达0.92，显示出出色的诊断潜力。如果将这些编码蛋白质作为电化学免疫传感器的检测目标，可以构建出高度特异性的检测系统。
结论 本研究通过整合机器学习和实验验证，系统地识别了肺气肿的关键风险基因及其功能网络。通过对
GSE1122 基因表达数据集的整合生物信息学分析，系统地确定了与肺气肿相关的关键风险基因。差异表达分析发现了肺气肿与正常肺组织之间的674个差异表达基因（DEGs）。功能关联分析通过进一步验证扩展了研究范围。
CRediT作者贡献声明 钱健： 撰写——原始草稿，数据整理。金星： 撰写——审阅与编辑，正式分析。
资助 本工作得到了苏州市卫生健康委员会青年科学家计划（编号QNXM2024016）的支持。
未引用的参考文献 [1], [8], [9], [10], [11], [12], [13], [14], [15]
利益冲突声明 作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢 作者感谢
GSE1122 数据集的贡献者，感谢他们通过基因表达综合数据库公开了这些数据。
