编辑推荐：
为解决特发性肺纤维化（IPF）发病机制不清、治疗选择有限的难题，研究人员整合了公开的转录组、单细胞、空间多组学数据，运用机器学习与孟德尔随机化等技术，揭示了CXCL13、IL33、TLR4、IGF1等核心基因在IPF“肠-免疫-肺”轴中的关键作用，验证了其作为诊断标志物与治疗靶点的潜力，为IPF的精准诊疗提供了新见解。
特发性肺纤维化（IPF）是一种预后极差的慢性、进行性肺疾病，患者诊断后的中位生存期仅有3到5年，全球发病率还在不断上升。目前的共识认为，IPF的发生源于遗传易感个体在反复微损伤后启动了异常的伤口愈合反应，导致了成纤维细胞和肌成纤维细胞的异常活化与肺组织的过度纤维化重塑。然而，驱动这一病理过程的起始和维持信号，以及身体其他系统（如肠道）如何参与其中，依然是个未解之谜。近年来，科学界提出了“肠-肺轴”的概念，暗示肠道微生物群可能通过免疫、代谢等途径影响远端的肺组织健康，为理解IPF的全身性病理生理学机制开辟了新视角。但之前的许多研究多局限于单一组学分析，缺乏对“肠-免疫-肺”网络进行系统性的跨尺度整合与验证。在此背景下，一项发表在《Frontiers in Immunology》上的研究，如同一位技艺高超的“数据侦探”，巧妙地融合了多种先进技术，旨在系统解码IPF背后的复杂分子网络，为这一致命性疾病寻找新的诊断靶标和治疗突破口。
为了回答这些问题，研究人员构建了一个整合性的多组学研究框架。他们首先收集了来自基因表达综合数据库（GEO）的六个公开的肺组织转录组队列，以及单细胞RNA测序和空间转录组学数据。通过整合这些多维度数据，研究者进行了差异表达分析、加权基因共表达网络分析，并交叉了肠道微生物相关基因和免疫基因集，筛选出候选基因。随后，他们利用蛋白质-蛋白质相互作用网络分析和一套包含113个模型组合的集成机器学习算法，从候选基因中精确定位了核心诊断标志物。为了评估这些基因的诊断效能，研究者构建了基于核心基因的临床预测模型（如列线图），并利用多个独立的外部队列进行了验证。在机制探索层面，他们通过CIBERSORT算法、单细胞测序和空间转录组学分析了免疫细胞浸润模式、核心基因的细胞来源与空间分布。此外，研究运用孟德尔随机化方法探讨了肠道菌群、免疫表型与IPF风险之间的因果关系。最后，通过体外TGF-β1刺激的成纤维细胞、体内博来霉素诱导的小鼠肺纤维化模型以及IPF患者血浆样本，对核心基因的表达进行了实验验证。在药物发现方面，研究者利用L1000 Fireworks Display平台进行了基于基因特征逆转的候选化合物筛选，并对筛选出的化合物与核心靶点进行了分子对接分析。
1. 识别与功能分析IPF中的差异表达基因
在整合的IPF肺组织队列中，研究人员鉴定出2660个差异表达基因，其中1355个上调，1305个下调。功能富集分析显示，上调基因与细胞外基质（ECM）组织、纤毛组装、PI3K-Akt信号通路等纤维化相关过程有关；而下调基因则富集在类固醇代谢、中性粒细胞活化调节、MAPK信号通路等代谢和免疫调控通路上，揭示了IPF肺部存在系统性失调。
2. 与IPF表型及肠-免疫相互作用相关的基因模块
通过加权基因共表达网络分析，研究者鉴定出与IPF表型显著正相关的基因模块。将差异表达基因、这些IPF相关模块基因、免疫相关基因以及肠道微生物相关基因进行四重交叉，最终筛选出23个与IPF“肠-免疫”轴相关的候选靶基因。
3. 蛋白质-蛋白质相互作用网络分析揭示IPF中的关键枢纽基因
基于上述候选基因构建的蛋白质-蛋白质相互作用网络，通过多种中心性指标（如最大邻域成分、度中心性等）进行枢纽基因筛选，最终确定了8个稳健的枢纽基因。这些基因的功能主要与中性粒细胞迁移、细胞因子活性、趋化因子信号通路以及胆固醇代谢相关。
4. 基于机器学习的核心靶点选择与跨队列验证
研究团队构建了一个包含12种算法、113种模型组合的集成机器学习框架，用于筛选核心诊断标志物。结果表明，CXCL13、IL33、TLR4和IGF1这四个基因被一致、稳健地筛选出来。基于这四个基因构建的诊断模型，在训练队列中曲线下面积（AUC）达到0.966，在四个独立的外部验证队列中也保持了平均0.947的高AUC值，显示出优异的诊断效能和跨队列泛化能力。
5. 构建基于核心基因的临床预测模型
研究者利用这四个核心基因的表达水平构建了一个逻辑回归模型，并将其可视化为列线图，可以方便地将基因表达值量化为个体患病风险评分。经过1000次自助抽样法进行内部验证，模型的校准曲线显示预测概率与实际结果高度一致。决策曲线分析进一步证实，该模型在广泛的阈值范围内相比“全部治疗”或“全部不治疗”策略，能提供更高的标准化净获益，具有潜在的临床实用性。
6. 免疫细胞浸润模式及其与核心基因的相关性
通过CIBERSORT反卷积分析发现，IPF肺组织中静息肥大细胞、M2型巨噬细胞、浆细胞、记忆B细胞和活化的CD4+记忆T细胞丰度显著增加，而单核细胞、活化的自然杀伤（NK）细胞和中性粒细胞减少。相关性分析显示，四个核心基因与特定的免疫细胞亚群存在显著关联，例如CXCL13与记忆B细胞、浆细胞正相关，IL33与静息肥大细胞相关，勾勒出IPF中复杂的免疫微环境特征。
7. 单细胞RNA测序分析揭示IPF中的差异表达与细胞间通讯
对单细胞数据的分析成功解析了包括T细胞、巨噬细胞、成纤维细胞等在内的11个主要细胞簇。研究发现，CXCL13、IL33、IGF1在成纤维细胞等多种细胞类型中表达上调，TLR4则在树突状细胞、巨噬细胞等细胞中特异性上调。进一步的细胞间通讯分析（通过CellChat工具）发现，成纤维细胞与先天免疫细胞（如巨噬细胞/单核细胞）之间的通讯最为活跃，其中MIF-(CD74+CD44)和CXCL信号网络是主导的信号通路。这突显了IPF中免疫细胞与基质细胞（尤其是成纤维细胞）之间异常活跃的“对话”。
8. 空间转录组学图谱突显IPF组织中的成纤维细胞富集区域
空间转录组学分析直观地展示了IPF肺组织中成纤维细胞区域显著扩增，并且与上皮细胞、巨噬细胞在空间上紧密相邻，形成了“上皮-间质-免疫”三元空间耦合。核心基因的空间表达模式显示，IL33和IGF1在IPF组织中普遍上调，TLR4呈现异质性、灶性富集于免疫浸润区域，而CXCL13的表达虽整体水平相对较低，但在IPF组织中仍高于对照，与单细胞分析结果相互印证。
9. 基于基因特征逆转筛选候选抗纤维化化合物
为了寻找潜在的治疗药物，研究人员将“肠-免疫”相关差异表达基因列表输入L1000FWD平台，以“特征逆转”模式进行筛选。结果发现，葫芦素I和替西罗莫司在联合评分和Z评分中均排名靠前，表明它们最有潜力逆转IPF相关的基因表达特征，因此被选为后续研究的候选化合物。
10. 药物-靶点相互作用的分子对接分析
研究者对候选化合物葫芦素I和替西罗莫司与四个核心靶点蛋白（CXCL13, IL33, TLR4, IGF1）进行了分子对接模拟。计算结果显示，所有复合物的结合能均 ≤ -5.0 kcal/mol，表明在计算机模拟框架下，这些化合物与靶点蛋白具有有利的潜在结合构象，为后续的实验验证提供了初步的、基于计算的支持。
11. 孟德尔随机化分析揭示肠道微生物组与IPF风险间的因果关系
两样本孟德尔随机化分析为“肠-免疫-肺”轴提供了遗传学层面的因果证据。研究发现，特定肠道微生物类群对IPF风险具有因果性影响：例如，芽孢杆菌属与IPF风险增加呈正因果关联，而瘤胃球菌属和CAG-590 sp000431135则显示出保护性的负因果关联。进一步的介导分析表明，瘤胃球菌的保护作用部分是通过自然杀伤T细胞相关表型介导的，而芽孢杆菌的风险作用则通过多种免疫表型（如CD28-CD8+T细胞绝对计数、CD4/CD8比值等）介导。
12. 核心基因在IPF进展中关键作用的体内外验证
在细胞、动物和临床三个层面进行的实验验证一致证实了核心基因的异常表达。在体外，TGF-β1刺激的人肺成纤维细胞中，IL33、CXCL13、IGF1的mRNA表达上调，而TLR4表达下调。在体内，博来霉素诱导的小鼠肺纤维化模型中，Il33、Cxcl13、Igf1的mRNA水平升高，Tlr4降低。在临床上，IPF患者血浆中的IL-33、CXCL13、IGF-1蛋白水平显著高于健康对照，而TLR4水平则更低。这些结果在多个维度上共同印证了这四个核心基因在IPF病理进程中的关键作用。
该研究的结论与讨论部分对上述发现进行了整合与升华。研究证实，通过整合多组学与机器学习，成功揭示了CXCL13、IL33、TLR4、IGF1是IPF诊断与“肠-免疫-肺”轴调控的核心分子。这些基因不仅构成了稳健的诊断模型，其单细胞与空间表达谱还精准定位了它们主要来源于活化的成纤维细胞及特定的免疫细胞（如B细胞、巨噬细胞、肥大细胞），并介导了异常活跃的成纤维细胞-免疫细胞交互，特别是通过MIF和CXCL信号网络。研究的重要意义在于，它不仅提供了新的诊断标志物，还从机制上深化了对IPF的认识。孟德尔随机化分析首次从遗传因果角度证实了特定肠道菌群（如瘤胃球菌、芽孢杆菌）可通过调节免疫表型（如NKT细胞）来影响IPF风险，为“肠-免疫-肺”轴提供了强有力的证据支持。尽管筛选出的候选药物（葫芦素I、替西罗莫司）尚需严格的实验验证，但分子对接结果提示了其与核心靶点结合的可能性，为未来抗纤维化药物研发提供了新线索。总而言之，这项研究通过创新的跨尺度整合分析框架，系统阐明了IPF中肠道菌群失调、免疫失衡与肺纤维化之间的复杂联系，将核心分子、细胞互作、空间微环境与全身性因果关联串联起来，为IPF的早期诊断、预后评估及开发针对“肠-免疫”轴的新型精准疗法奠定了坚实的理论基础。
