脓毒症中激活CD4+ T细胞因果驱动因子的鉴定：基于单细胞RNA测序与孟德尔随机化的协同多组学研究

《Frontiers in Cellular and Infection Microbiology》：A synergistic multi-omics approach: causal sepsis drivers identified in activated CD4+ T cells by single-cell RNA sequencing and Mendelian randomization

背景：脓毒症是一种高死亡率、异质性的危及生命的综合征。这种异质性削弱了当前“一刀切”疗法的效果，且传统的生物标志物（例如降钙素原，PCT）缺乏预后判断能力。因此，鉴定患者特异性的内型和具有因果关系的治疗靶点存在关键性的需求。方法：研究人员采用了一种协同的多组学策略来识别脓毒症的因果驱动因子。首先，利用单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）分析外周血单个核细胞（GSE175453）数据集，以确定病理相关性最强的免疫细胞亚群。接着，利用该亚群的标志基因作为暴露因素，进行双样本孟德尔随机化（Mendelian randomization, MR）研究，使用大规模脓毒症全基因组关联研究（genome-wide association study, GWAS）（11，643 例病例/474，841 例对照；ieu-b-4980）的汇总统计和表达数量性状基因座（expression quantitative trait loci, eQTL）数据（eQTLGen）来验证因果关系。研究结果通过计算功能基因组学（基因集富集分析，Gene Set Enrichment Analysis, GSEA；基因集变异分析，Gene Set Variation Analysis, GSVA）进行探索，并通过定量PCR（quantitative PCR, qPCR）在临床队列（5例脓毒症患者 vs. 5例健康对照）中进行验证。结果：scRNA-seq分析确定激活的CD4⁺ T细胞（Act.CD4T）是对脓毒症病理贡献最显著的细胞亚群。从81个Act.CD4T标志基因中，MR分析确定了四个对脓毒症风险具有显著因果效应的基因：RPLP0被确定为因果风险因子（比值比，Odds Ratio, OR：1.272；95%置信区间，Confidence Interval, CI：1.031–1.569），而CD52（OR：0.903）、RPS15A（OR：0.954）和RPS18（OR：0.908）被确定为因果保护因子（所有p<0.05）。临床qPCR验证证实，RPLP0在脓毒症患者中显著上调，而CD52、RPS15A和RPS18则下调。功能分析揭示这些基因汇聚于一个新颖的“代谢-蛋白质稳态-免疫”调控轴，其中RPLP0驱动病理程序（低氧诱导因子-1信号通路，HIF-1；白细胞介素-17信号通路，IL-17；内质网应激，ERS），而RPS15A/RPS18介导保护程序（AMP活化蛋白激酶信号通路，AMPK；哺乳动物雷帕霉素靶蛋白复合物1抑制，mTORC1 inhibition）。结论：本研究整合scRNA-seq和MR技术，以发现脓毒症细胞特异性的因果基因。所鉴定的四基因特征为患者分层提供了潜在的、稳健的、经过因果验证的生物标志物，并揭示了“代谢-蛋白质稳态-免疫”轴是脓毒症发病机制中一个关键的、可靶向的治疗节点。

**论文解读：通过协同多组学策略揭示脓毒症免疫病理的因果驱动因子与治疗新靶点**

脓毒症是由机体对感染的失调性反应所引发的危及生命的器官功能障碍综合征，是全球重大的公共卫生挑战。其核心临床难题在于高度的异质性：不同患者的免疫应答动态和分子特征存在巨大差异，导致以“一刀切”为特征的传统治疗策略收效甚微。传统的生物标志物如降钙素原（PCT）和白细胞介素-6（IL-6）也因缺乏足够的特异性、无法反映底层的细胞异质性而在预后判断上作用有限。这一关键知识缺口凸显了深入解析脓毒症复杂分子与细胞架构、发现具有因果关系的精准治疗靶点的迫切性。近年来，高通量技术的发展为此提供了机遇，但单独使用存在局限：单细胞RNA测序（scRNA-seq）能以超高分辨率解析复杂的免疫图谱，识别驱动疾病的关键细胞亚群，却难以区分因果驱动因子与下游伴随变化或虚假关联。孟德尔随机化（MR）则利用随机分配的遗传变异作为工具变量，能够正式检验基因表达与疾病风险之间的因果关系，从而有效克服传统观察性研究中的混杂因素和反向因果偏倚。因此，本研究采用一种协同的多组学策略，将scRNA-seq的假设生成能力与MR的因果验证能力相结合，旨在系统性地剖析脓毒症中的因果调控网络。

研究人员首先对来自基因表达综合数据库（GEO）的脓毒症患者外周血单个核细胞scRNA-seq数据（GSE175453）进行分析。经过严格的质量控制、标准化和降维聚类，最终注释出12种主要细胞类型。通过定义结合基因表达变化与细胞比例变化的综合评分（FCscore），研究人员发现激活的CD4⁺ T细胞（Act.CD4T）对脓毒症的病理贡献最大。进一步，通过FindAllMarkers函数筛选出该亚群的81个特异性标志基因。为从这些关联基因中找出因果驱动因子，研究人员利用双样本孟德尔随机化方法，以脓毒症GWAS（ieu-b-4980）数据作为结局，eQTLGen数据库的eQTL数据作为暴露，对这81个基因进行因果推断。经过严格的工具变量筛选和多种统计方法（包括逆方差加权法，IVW；MR-Egger回归；加权中位数法等）的敏感性分析及留一法检验，最终确定了四个与脓毒症风险存在显著因果关系的基因：核糖体蛋白大亚基P0（RPLP0）是因果风险因子（OR=1.272），而细胞表面糖蛋白CD52、核糖体蛋白小亚基15a（RPS15A）和核糖体蛋白小亚基18（RPS18）则是因果保护因子（OR均小于1）。随后，研究人员在一个小规模临床队列（5例脓毒症患者 vs. 5例健康对照）中通过定量PCR（qPCR）进行实验验证，结果与MR预测方向完全一致：RPLP0显著上调，而CD52、RPS15A和RPS18显著下调。

**研究结果分析**

**1. scRNA-seq分析确定Act.CD4T为脓毒症关键细胞亚群**
通过计算FCscore并比较不同免疫细胞亚群在脓毒症状态下的变化，研究人员发现Act.CD4T细胞在疾病组中的相互作用强度最高，且其特征基因的表达和数量变化综合贡献最大。细胞轨迹分析进一步重构了CD4⁺ T细胞从稳态向病理性激活表型转化的动态过程，表明Act.CD4T是脓毒症免疫失调的核心细胞起源。

**2. MR分析鉴定四个脓毒症因果基因**
基于Act.CD4T的81个标志基因进行MR分析，最终筛选出四个因果基因。RPLP0的高表达与脓毒症风险增加相关，而CD52、RPS15A和RPS18的高表达则具有保护作用。多种统计方法和敏感性分析确保了这些因果关系的稳健性，表明它们并非由单一遗传变异驱动。

**3. 免疫浸润分析揭示基因与免疫微环境的关联**
使用CIBERSORT算法对脓毒症患者数据进行反卷积分析，发现脓毒症患者与对照组在多种免疫细胞（如记忆B细胞、静息树突状细胞、M0型巨噬细胞、单核细胞）比例上存在显著差异。相关性分析显示，这四个关键基因与多种免疫细胞浸润水平显著相关，例如CD52与γδ T细胞、CD8⁺ T细胞正相关，与中性粒细胞负相关；RPLP0与CD8⁺ T细胞正相关，与中性粒细胞、M0型巨噬细胞负相关。这提示尽管这些基因的因果意义锚定于CD4⁺ T细胞，但它们可能参与全身性的免疫串扰，反映了脓毒症中广泛失调的微环境。

**4. 功能富集分析揭示“代谢-蛋白质稳态-免疫”调控轴**
GSEA和GSVA分析揭示了这四个基因所参与的生物学通路。CD52富集于氧化磷酸化（OXPHOS）等代谢通路。RPLP0富集于IL-17信号通路、HIF-1信号通路以及与内质网应激（ERS）相关的通路。RPS15A和RPS18则富集于AMPK信号通路、mTORC1信号通路以及T细胞受体信号通路等。整合分析表明，这四个基因的功能指向一个统一的概念：一个在脓毒症发病机制中被低估的调控轴——“代谢-蛋白质稳态-免疫”轴。其中，RPLP0作为风险基因，可能通过驱动ERS、HIF-1通路激活和IL-17介导的炎症，破坏蛋白质稳态并加剧缺氧适应不良；而保护基因簇（CD52， RPS15A， RPS18）则通过维持OXPHOS代谢健康和AMPK/mTORC1信号平衡，有助于保护细胞代谢与蛋白质稳态，从而限制脓毒症的进展。

**讨论与结论**

本研究通过创新的scRNA-seq与MR整合策略，成功地从脓毒症复杂的免疫细胞图谱中定位了核心病理细胞（Act.CD4T），并从中鉴定了具有遗传因果证据的四基因特征（RPLP0， CD52， RPS15A， RPS18）。这一发现超越了传统的相关性研究，为脓毒症的精准分型和治疗提供了新的因果框架。所提出的“代谢-蛋白质稳态-免疫”轴模型，为理解脓毒症异质性提供了新的理论视角，并将免疫代谢状态与蛋白质平衡直接关联起来。这四基因特征有望成为区分脓毒症不同内型（如“高炎症型” vs. “免疫代谢衰竭型”）的生物标志物，并为开发靶向该轴的治疗策略（如AMPK激动剂、RPLP0抑制剂）提供理论基础和因果支持。然而，该研究存在一些局限性：eQTL和GWAS数据库以欧洲裔人群为主，其结论在其他种族中的普适性有待验证；qPCR验证队列规模较小，尽管其结果与大规模MR分析方向一致，但仍需更大规模的前瞻性临床研究来确立其临床预后价值；scRNA-seq技术对某些脆弱细胞（如中性粒细胞）存在捕获偏差；基于基序（motif）富集的转录调控预测需后续实验验证。未来研究应致力于建立该四基因面板的临床预后模型，在临床前模型中验证靶向该轴的治疗潜力，并利用空间转录组学等技术解析其在组织损伤中的空间分布与相互作用。

结论：本研究通过整合scRNA-seq和MR分析，提供了将脓毒症风险与特定细胞亚群（Act.CD4T）内关键基因联系起来的因果证据链。所提出的“代谢-蛋白质稳态-免疫”调控轴模型及其定义的四基因特征面板，为脓毒症的精准亚型划分和治疗提供了坚实的理论基础和明确的转化路径。