《Pharmacological Research》：Proteome-assisted multi-feature discriminant modelling of chronic post-surgical pain in female patients: a proof-of-concept study
编辑推荐：
为预测术后慢性疼痛（CPSP）这一高发生率、难预防的临床难题，研究人员开展了一项概念验证研究。他们通过整合术前血浆蛋白质组学数据与心理社会因素，开发了多特征判别模型。结果显示，在鉴定的684种血浆蛋白中，分别有106和104种蛋白能区分CPSP易感和CPSP耐受表型。与单独使用心理社会因素相比，加入蛋白质组数据提高了模型在内部交叉验证中区分表型的准确性。该研究证明了利用多模态数据改善CPSP风险预测的可行性，并为识别潜在治疗靶点开辟了新途径。
手术，对许多人来说是解除病痛的希望之门，但手术后持续的疼痛却可能成为一道挥之不去的阴影。术后慢性疼痛（Chronic Post-surgical Pain, CPSP）定义为手术后发生或加剧、持续至少三个月的疼痛，它显著影响患者长期生活质量，并给医疗系统和阿片类药物的使用带来沉重负担。尽管全球卫生界已通过国际疾病分类（ICD-11）正式承认其重要性，但预防CPSP的尝试收效甚微。一项涵盖逾百项随机对照试验的荟萃分析显示，尚无任何系统性药物干预（如加巴喷丁类药物、环氧合酶抑制剂、利多卡因、氯胺酮和地塞米松）能持续预防CPSP。这背后，是对CPSP背后可干预的生物因素理解不足，以及对患者间巨大差异的忽视。现有的预测模型多聚焦于心理社会和人口学因素，缺乏对关键生物学因素（如分子组织谱）的考量，导致其临床效用有限，难以广泛应用。
为了突破这一困境，一项发表在《Pharmacological Research》上的概念验证研究应运而生。研究者假设，术前血浆蛋白质组数据结合多特征判别建模，可以提高预测个体对CPSP易感性或耐受性的准确性。他们从一项大型前瞻性观察性研究（P5研究）中，精心筛选出一个由32名接受开胸胸廓切开术或子宫切除术的女性患者组成的巢式样本。这些患者在术后3个月被严格分为两组：一组符合ICD-11的CPSP标准（CPSP易感组，n=16），另一组则报告手术部位完全无痛（CPSP耐受组，n=16）。这种极端表型抽样策略，旨在这项探索性研究中最大化组间差异的信号。
研究人员开展了一项多维度、整合性的分析。核心在于对术前采集的血浆样本进行无偏倚深度蛋白质组学分析，旨在发现与CPSP易感或耐受表型相关的血浆蛋白。这些蛋白数据随后与一系列术前评估数据整合，包括人口统计学、医疗史、疼痛严重度与干扰度、镇痛药使用、神经认知测试（如颜色-词语匹配斯特鲁普测试，CWMST），以及患者报告结局测量（PROMs），如PROMIS焦虑、抑郁、睡眠障碍、身体功能和认知能力量表、疼痛灾难化量表（PCS）和简明复原力量表（BRS）。通过逻辑回归建模和留一法交叉验证，研究者评估了不同特征组合对区分两种表型的判别能力。此外，研究还对鉴别出的蛋白进行了蛋白网络分析和基于网络的药物重定位计算，以探索其背后的生物学机制和潜在的治疗干预靶点。
主要研究方法概述
本研究为一项病例对照研究，样本来源于美国圣路易斯华盛顿大学进行的大型前瞻性P5研究。研究纳入了32名接受胸廓切开术或子宫切除术的女性患者。关键技术方法包括：1) 无偏倚血浆蛋白质组学分析：使用基于质谱的数据非依赖采集（DIA）结合平行累积串行碎裂（PASEF）技术，对术前血浆样本进行深度蛋白质谱分析，鉴定并定量了684个蛋白组。2) 多特征数据整合与判别建模：将鉴定出的血浆蛋白质表达谱与术前收集的心理社会、神经认知等患者报告结局指标整合，利用逻辑回归和留一法交叉验证构建并评估判别CPSP易感与耐受表型的模型。3) 生物信息学分析：对筛选出的表型相关蛋白进行功能富集分析、蛋白-蛋白互作（PPI）网络分析和基于网络的药物重定位分析，以揭示潜在生物学通路和治疗靶点。
研究结果
3.1. 术前患者特征和无偏倚发现性血浆蛋白质组分析
研究共鉴定并定量了684个蛋白质组。基因本体（GO）和REACTOME通路富集分析显示，这些蛋白主要与止血、中性粒细胞脱颗粒、体液免疫反应、补体激活、急性炎症反应和血小板激活等功能相关。
3.2. 术后3个月（POM3）的患者特征
在POM3时，CPSP易感组患者在活动时的疼痛强度和简明疼痛干扰量表（BPI）评分均显著高于无CPSP组。此外，CPSP易感组的PROMIS身体功能评分和认知功能评分显著更低，而焦虑和抑郁评分则显著更高。
3.3. 利用术前特征对CPSP易感与耐受表型进行判别建模
在鉴定的684种血浆蛋白中，有106种达到单变量判别阈值，与CPSP易感表型相关；104种与CPSP耐受表型相关。在术前患者指标中，疼痛相关指标、加巴喷丁使用和大麻使用频率与CPSP易感表型相关，而疼痛灾难化、焦虑、抑郁和睡眠障碍等神经心理特征也具有单变量判别能力。相反，更好的PROMIS认知能力评分和CWMST表现与CPSP耐受表型相关。将单个患者结局指标与单个血浆蛋白整合的数据驱动方法，在内部交叉验证中显示出更高的判别价值。与单独使用患者结局指标相比，整合蛋白质组数据后，最佳判别模型的准确度从平均值0.66提升至0.71。
3.4. 术前CPSP表型的分子机制见解与基于网络的药物重定位
针对判别性蛋白的富集分析显示，CPSP易感表型与免疫相关过程富集，包括体液免疫反应和丝氨酸内肽酶活性。其蛋白-蛋白互作网络包含以免疫球蛋白变体（如IGKV, IGHG）和组蛋白（如H2BC）为主的主要模块，纤维连接蛋白1（FN1）是该网络中的关键枢纽。这些发现提示术前可能存在异常的免疫活性，形成了促炎状态。CPSP耐受表型则与环化酶活性、低密度脂蛋白代谢和补体调节等通路相关。关键枢纽蛋白包括与神经可塑性相关的重组蛋白（RELN）、调节免疫的PECAM1和具有抗氧化作用的SOD3等，可能共同定义了与适应性、血管稳定性和受控免疫相关的耐受特征。基于网络的药物重定位分析，利用PharmOmics平台，针对CPSP易感表型的血浆蛋白特征，筛选出了194个潜在有意义的候选药物/化合物，包括雌激素受体激动剂/调节剂、肿瘤坏死因子（TNF）抑制剂（如依那西普），以及伊维菌素、他法米地等，为未来探索CPSP预防策略提供了线索。
研究结论与意义
这项概念验证研究表明，整合术前无偏倚血浆蛋白质组学分析与神经认知及心理社会因素，能够改善对CPSP易感与耐受表型的判别能力，超越了单独使用传统心理社会因素的效果。研究发现，CPSP易感表型与术前即存在的免疫失调和补体激活特征相关，而耐受表型则与急性期反应和氧化应激调节等通路相关。这为理解CPSP的发病机制提供了新的分子视角。通过基于网络的药物重定位，研究还筛选出可能靶向CPSP易感通路中关键蛋白的现有药物，提示调节免疫或炎症通路可能是预防CPSP的潜在方向。
该研究的重要意义在于，它展示了一种结合“生物-心理-社会”多维度数据进行个体化CPSP风险预测的新范式。通过将分子水平的蛋白质组信息与临床表型数据深度融合，不仅提升了风险分层的准确性，也为实现未来的个体化、精准化疼痛预防策略奠定了方法论基础。尽管受限于样本量和探索性设计，其结论尚需在更大规模的独立队列中进行前瞻性验证，但这项研究无疑为破解术后慢性疼痛的预测与预防难题，开辟了一条充满希望的新路径。
