机器学习识别区分COVID-19与其他下呼吸道疾病（LRTDs）的细胞类型特异性分子特征

《Life》：Machine Learning Identification of Cell-Type-Specific Molecular Signatures Distinguishing COVID-19 from Other Lower Respiratory Tract Diseases Yusheng Bao, Xianchao Zhou, Lei Chen, Kaiyan Feng, Wei Guo, Tao Huang and Yu-Dong Cai

冠状病毒病2019（COVID-19）与其他下呼吸道疾病（LRTDs），包括细菌性肺炎和急性呼吸窘迫综合征，具有重叠的临床特征，但源于不同的病理生理机制。区分这些疾病的分子特征在非洲人群中仍未得到充分表征，其遗传背景、地方性感染和环境暴露可能显著塑造免疫反应。研究人员整合了来自马拉维30例患者肺尸检标本的空间分辨单细胞转录组图谱，包括10例COVID-19、12例其他LRTDs和8例非LRTD对照。共分析了代表15种细胞类型和36,602个基因表达特征的61,391个细胞。利用结合九种特征排序算法与增量特征选择（IFS）的集成机器学习框架，研究人员在该队列中鉴定了可区分疾病状态的潜在分子特征。最佳分类模型实现了大于0.94的加权F1分数，证明了在数据中区分COVID-19与其他LRTDs的强大能力。值得注意的是，COVID-19中的巨噬细胞相关状态以IFN-γ反应为主，伴有CD163和HLA-DQA2的上调，这与欧洲队列报道的I/III型干扰素特征形成鲜明对比。此外，研究人员观察到细胞类型特异性的COVID-19特征，包括AT1细胞中CAV1的下调（与上皮损伤一致）、AT2细胞中SFTPC的失调（提示表面活性剂功能障碍）以及中性粒细胞中NFKBIA的上调（表明炎症调节改变）。Gene Ontology（GO）富集进一步揭示了蛋白质合成机制的普遍破坏，以及免疫激活、上皮修复和炎症信号通路中的细胞类型特异性改变。

该研究针对COVID-19与其他下呼吸道疾病（LRTDs）在临床特征上的重叠性，以及非洲人群相关研究数据的匮乏，旨在通过整合空间分辨单细胞转录组学与机器学习（ML）方法，解析马拉维人群中区分COVID-19与其他LRTDs的细胞类型特异性分子特征。研究背景指出，尽管COVID-19与其他LRTDs（如细菌性肺炎、急性呼吸窘迫综合征）均表现为下呼吸道损伤，但其病理生理机制（如内皮损伤、免疫失调模式）存在显著差异，且既往研究多集中于欧美及亚洲人群，缺乏对非洲遗传背景、地方性疾病共感染及环境暴露影响下的免疫应答表征。为此，研究人员利用已发表的马拉维患者肺尸检单细胞数据集（含10例COVID-19、12例其他LRTDs、8例非LRTD对照），通过集成机器学习框架筛选关键基因特征，揭示疾病特异性分子机制。相关成果发表于《Life》期刊。

关键技术方法包括：基于Zenodo数据库获取马拉维患者肺组织单细胞RNA测序数据（15种细胞类型，61,391个细胞）；采用九种特征排序算法（Ridge、Lasso、Random Forest等）评估基因重要性，结合增量特征选择（IFS）与合成少数类过采样技术（SMOTE）构建分类模型，通过五折交叉验证优化性能；利用gseapy包进行Gene Ontology（GO）与KEGG通路富集分析，解析关键基因功能。

研究结果部分：

1. 1.
   特征排序结果显示，九种算法对不同细胞类型的特征排序存在差异，但通过IFS与分类模型（Ridge或Random Forest）评估发现，多数细胞类型的最优模型加权F1分数＞0.94，其中AT2细胞（0.992）、基底细胞（0.993）等表现最佳，表明模型可有效区分疾病状态。
2. 2.
   跨算法联合分析通过定义“肘点”筛选精简特征集，发现重复被多种算法识别的基因具有更高的生物学相关性，这些基因构成后续功能富集的基础。
3. 3.
   富集分析表明，所有细胞类型均存在蛋白质合成与核糖体相关通路的普遍富集（如肽生物合成、细胞质翻译），反映病毒复制对宿主翻译程序的重编程；细胞类型特异性通路则显示，免疫细胞富集于抗原呈递与细胞因子产生，肺泡上皮细胞表现为应激反应与表面活性剂代谢异常，内皮细胞涉及血管重塑相关通路；KEGG分析进一步揭示冠状病毒疾病通路在14种细胞类型中富集，且IL-17信号、抗原加工呈递等通路呈现细胞类型特异性分布。

讨论与结论部分指出，该研究通过机器学习鉴定了非洲人群COVID-19的特征性分子标签：巨噬细胞以IFN-γ驱动的反应为主（区别于欧美队列的I/III型干扰素特征），AT1细胞CAV1下调、AT2细胞SFTPC失调及中性粒细胞NFKBIA上调等细胞类型特异性改变，揭示了COVID-19与LRTDs在病理机制上的差异。研究局限性包括样本量较小（30例）、机器学习框架中超参数设置未优化等，但结果为资源有限地区开发诊断标志物提供了依据，强调了考虑人群差异的精准医学策略的重要性。最终结论强调，该研究通过集成机器学习与单细胞转录组学，系统解析了马拉维人群肺细胞在COVID-19中的分子特征，为跨区域疾病机制比较及个性化治疗靶点开发提供了理论基础。