《JOURNAL OF CLINICAL LABORATORY ANALYSIS》：Experimental Validation of an Immune Cell Infiltration Signature in Psoriasis: Translating Computational Modeling to In Vivo Efficacy
编辑推荐：
为深入探究银屑病免疫微环境（PIME）的复杂机制，研究人员通过整合多组学数据与计算生物学模型，筛选出5个关键的免疫相关差异表达基因（ImDEGs），构建了新型风险预测模型IMscore。这项研究不仅揭示了银屑病进展的潜在免疫驱动因子，还为开发精准诊断工具和新型治疗策略提供了重要线索。
在皮肤疾病领域，银屑病是一个困扰全球约2%-3%人口的“顽固分子”。它不仅表现为皮肤上难以消退的红色斑块和银白色鳞屑，还常常与代谢综合征、心血管疾病甚至心理问题“结伴而行”，严重影响患者的生活质量。尽管近年来生物制剂等疗法在控制症状方面取得了显著成效，但其高昂的费用、潜在的副作用以及疾病的易复发性，仍是摆在临床医生和研究者面前的巨大挑战。更为关键的是，对于银屑病发生、发展的深层“发动机”——免疫微环境，我们的理解仍存在许多空白。这个复杂的免疫“舞台”上，有哪些关键的“演员”（免疫细胞）在推动病情？它们之间又是通过什么“暗号”（信号分子）进行沟通的？找到这些核心问题的答案，对于实现疾病的早期精准诊断和开发更有效的疗法至关重要。
为了解开这些谜题，一项发表在《JOURNAL OF CLINICAL LABORATORY ANALYSIS》上的研究，巧妙地将大数据计算与严谨的实验验证相结合，为我们揭示了银屑病免疫微环境的新图谱。
研究人员开展此项研究，主要运用了以下关键技术方法：首先，从公共基因表达数据库（GEO）收集并整合了11个银屑病相关的微阵列数据集，构成了包含605个皮损样本和611个非皮损/正常样本的分析队列。在此基础上，运用了多种生物信息学算法，包括单样本基因集富集分析（ssGSEA）评估28种免疫细胞亚型的浸润水平，加权基因共表达网络分析（WGCNA）识别与免疫表型共表达的基因模块，以及差异表达分析和逻辑回归构建风险预测模型。最后，研究通过收集临床银屑病患者皮肤组织样本，并建立咪喹莫特（IMQ）诱导的小鼠银屑病样模型，对计算筛选出的关键基因进行了蛋白质印迹（Western Blot）和免疫组化（IHC）验证。
3.1 银屑病相关DEGs的鉴定与功能富集分析
研究人员首先对整合后的基因表达数据进行了分析，成功在皮损与非皮损组织间鉴定出208个差异表达基因（DEGs）。对这些基因的功能分析发现，它们显著富集于与免疫反应密切相关的生物过程，如体液免疫应答、细胞因子产生的正向调控等，并且在信号通路上，与银屑病核心的IL-17信号通路、趋化因子信号通路等高度相关，这初步证实了银屑病皮损中存在高度活化的免疫炎症微环境。
3.2 基于免疫浸润模式的银屑病亚型鉴定
通过ssGSEA算法量化免疫细胞浸润水平后，研究者根据浸润特征，将皮损样本进一步划分为两个具有显著异质性的亚型：C1（高免疫浸润型）和C2（低免疫浸润型）。这一发现表明，即使同为银屑病皮损，其内部的免疫状态也可能存在巨大差异，为后续的精细化研究奠定了基础。
3.3 加权共表达网络的构建与模块分析
为了精准定位与这些免疫亚型相关的核心基因，研究团队进行了WGCNA分析。结果发现，一个标记为“黑色”的基因模块与上述免疫亚型的相关性最强。该模块中的基因同样富集于免疫相关功能，从该模块中筛选出了347个与免疫高度相关的枢纽基因。
3.4 枢纽免疫相关DEGs的效能分析
研究将不同分析步骤得出的基因集（皮损vs非皮损DEGs、亚型间DEGs、WGCNA枢纽基因）取交集，最终锁定了5个核心的免疫相关差异表达基因（ImDEGs）：CXCL8, CXCL9, CCL18, RGS1和SAMSN1。分析显示，这5个基因在皮损组织和C1亚型中均高表达，并且相互之间存在较强的正相关性。基于它们构建的风险评分模型——IMscore，在区分疾病状态时显示出极高的诊断效能，曲线下面积（AUC）达到了0.979。
3.5 ImDEGs涉及的免疫相关通路
进一步的基因集富集分析（GSEA）揭示，这5个ImDEGs均与多种关键的炎症和免疫通路紧密相连，包括趋化因子信号通路、Toll样受体信号通路、JAK-STAT信号通路等。同时，这些基因的表达与中性粒细胞、髓源性抑制细胞（MDSCs）、自然杀伤（NK）细胞等多种免疫细胞的浸润水平呈正相关，明确了它们在塑造免疫微环境中的潜在作用。
3.6 利用临床和小鼠样本对ImDEGs进行表达验证
为了将计算发现转化为生物学证据，研究在咪喹莫特诱导的小鼠银屑病样模型和临床银屑病患者皮肤样本中进行了验证。蛋白质印迹和免疫组化结果一致表明，CXCL8、CXCL9、RGS1和SAMSN1在病变皮肤组织中的蛋白表达水平显著上调，从而在体内外实验层面证实了生物信息学分析结果的可靠性。
结论与讨论
本研究通过系统性的多组学数据整合与计算建模，成功描绘了银屑病免疫微环境的异质性图谱，并鉴定出CXCL8、CXCL9、CCL18、RGS1和SAMSN1这五个关键的ImDEGs。基于此构建的IMscore模型展现出卓越的疾病风险预测潜力。这些发现具有多方面的重要意义：
首先，在机制层面，研究不仅再次确认了CXCL8、CXCL9等已知趋化因子在银屑病中的作用，还首次将RGS1（G蛋白信号调节因子1）和SAMSN1（一种免疫细胞适配蛋白）与银屑病的免疫浸润表型紧密关联。RGS1可能通过调节G蛋白偶联受体（GPCR）信号来影响免疫细胞功能，而SAMSN1可能在调控免疫细胞（如巨噬细胞与T细胞）的相互作用中扮演新角色，这为理解银屑病的免疫失调提供了新视角。
其次，在转化应用层面，IMscore模型作为一个多基因标签，为银屑病的早期诊断和患者风险分层提供了一个强有力的潜在工具。相较于单一生物标志物，多基因组合模型通常具有更好的稳定性和准确性。
最后，研究确认的这些关键基因为未来开发新的治疗靶点指明了方向。例如，靶向CXCL8/CXCL9信号轴或调控RGS1的功能，可能成为干预银屑病异常免疫浸润和炎症的新策略。
总之，这项研究从计算生物学发现到实验验证，完成了一次成功的转化医学探索。它不仅深化了对银屑病复杂免疫机制的理解，更重要的是，将这种理解转化为了可量化评估的风险模型和具有潜在应用价值的候选靶点，为银屑病的精准医疗实践迈出了坚实的一步。
