破译镰状细胞病(SCD)细胞因子密码:面向精准炎症图谱、风险预测与治疗发现的免疫信息学

《Clinical and Translational Discovery》:Cracking the cytokine code in sickle cell disease: Immune-informatics for precision inflammation mapping, risk prediction and therapeutic discovery

【字体: 大 中 小 】 时间:2026年10月09日 来源:Clinical and Translational Discovery 3.1

编辑推荐:

  背景 镰状细胞病(SCD)以慢性炎症为特征,涉及细胞因子、趋化因子、内皮细胞、白细胞、补体和凝血通路之间的协调相互作用。然而,传统单生物标志物(single-biomarker)方法不能完整捕捉这一动态炎症图景。免疫信息学(immune-informatics

  
背景
镰状细胞病(SCD)以慢性炎症为特征,涉及细胞因子、趋化因子、内皮细胞、白细胞、补体和凝血通路之间的协调相互作用。然而,传统单生物标志物(single-biomarker)方法不能完整捕捉这一动态炎症图景。免疫信息学(immune-informatics)提供了整合多维免疫数据以定义炎症表型、发现生物标志物并识别治疗靶点的框架。
目标
本叙述性综述(narrative review)审视SCD中的细胞因子网络(cytokine-network)生物学,并评估免疫信息学(immune-informatics)、多组学整合(multi-omics integration)和计算建模(computational modelling)如何推进精准炎症图谱(precision inflammation mapping)、风险评估(risk assessment)和治疗发现(therapeutic discovery)。
方法
对涉及细胞因子和趋化因子生物学、炎症谱分析(inflammatory profiling)、SCD动物模型、多重(multiplex)和蛋白质组学(proteomic)技术、转录组学(transcriptomics)、网络分析(network analysis)及机器学习(machine-learning)应用的相关文献进行了批判性综合。特别关注采样标准化(sampling standardisation)、基因型依赖异质性(genotype-dependent heterogeneity)、纵向炎症轨迹(longitudinal inflammatory trajectories)、生物标志物验证(biomarker validation)和计算可重复性(computational reproducibility)。
结果
SCD中的细胞因子失调(cytokine dysregulation)涉及相互连接的炎症通路,而非孤立介质。白细胞介素(IL)-1β、IL-6、肿瘤坏死因子-α(TNF-α)、IL-8/CXCL8、IL-10、IL-17、干扰素(IFNs)、转化生长因子β(TGF-β)、趋化因子(chemokines)和补体成分(complement components)可能促进疾病异质性和并发症。高维分析(high-dimensional profiling)可揭示协调的炎症特征,而网络和机器学习(machine-learning)方法可优先排序候选生物标志物和可成药通路(druggable pathways)。然而,用于常规预测SCD并发症的稳健、独立验证的免疫信息学(immune-informatics)模型仍然有限。
结论
免疫信息学(immune-informatics)代表了SCD精准炎症研究的新兴循证框架。需要标准化纵向采样(standardised longitudinal sampling)、基因型分层多中心队列(genotype-stratified multicentre cohorts)、整合多组学(integrated multi-omics)、严格模型验证(rigorous model validation)和前瞻性临床研究(prospective clinical studies),以将细胞因子网络发现转化为可靠生物标志物和个体化临床治疗策略(individualised clinical therapeutic strategies)。
1 INTRODUCTION(引言)
SCD是遗传性血红蛋白病,以慢性溶血、血管闭塞、贫血、内皮功能障碍和多器官损伤为特征,并伴持续免疫激活。IL-1β、IL-6、TNF-α、IL-8/CXCL8、IL-10、IL-17、IFNs、TGF-β、趋化因子及C3a/C5a参与炎症放大。细胞因子浓度随基因型、年龄、治疗、感染、输血和临床状态变化。多重细胞因子谱扩展了炎症异质性表征,但采样、基质、平台和计算差异阻碍可比性。免疫信息学(immune-informatics)整合多维免疫、转录组、蛋白质组、基因组和临床数据;网络分析识别协调通路,机器学习(machine-learning)支持特征选择、表型发现、生物标志物和治疗靶点优先排序。但常规预测SCD并发症的稳健独立验证模型仍有限。本综述审视细胞因子网络,评估免疫信息学对精准炎症图谱、风险分层和治疗发现的贡献,并强调标准化、基因型异质性、纵向轨迹、计算可重复性和验证。

2 METHODS(方法)
本叙述性综述综合已发表证据,检索PubMed/MEDLINE、Scopus和Web of Science,主题涉及SCD、细胞因子、炎症、免疫失调、生物标志物、免疫信息学、网络分析、机器学习、多组学和精准医学。纳入相关人类研究、实验SCD模型、方法学研究及可提供转化线索的其他疾病证据。证据按炎症机制、细胞因子谱、基因型异质性、动物模型、生物标志物发现、计算/网络方法、治疗靶点发现和转化挑战组织。关注生物基质、采样时机、检测平台、分析变异、临床协变量和计算验证。未收集或分析原始患者或动物数据,未进行正式荟萃分析。

2.1 Immune dysregulation and cytokine signalling in SCD(SCD中的免疫失调与细胞因子信号)
SCD存在持续免疫激活,源于溶血、缺氧、缺血-再灌注损伤和复发性血管组织损伤。溶血释放血红蛋白、血红素和损伤相关分子模式(DAMPs),激活固有免疫、内皮细胞、单核细胞、中性粒细胞和血小板。补体C3a/C5a放大白细胞活化和内皮炎症;功能性无脾增加感染易感性。IL-1β、IL-6、TNF-α、IL-8/CXCL8等促进内皮活化、中性粒细胞启动、血小板-白细胞相互作用和细胞黏附,导致血管闭塞、缺氧、疼痛和器官损伤。抗炎介质同时调节反应。炎症谱受基因型、年龄、治疗、感染、输血、肾功能和临床状态影响,多维测量应在生物学和临床背景中解释。

2.2 Computational approaches to mapping cytokine networks(绘制细胞因子网络的计算方法)
计算框架整合细胞因子、免疫、分子和临床数据。蛋白-蛋白相互作用(PPI)网络、基因共表达、通路富集、相关网络和调控网络建模可识别相互连接过程和网络枢纽。机器学习包括监督分类、无监督聚类、降维和特征选择,可识别炎症表型或患者亚组。多组学整合可结合细胞因子与转录组、蛋白质组、基因组和临床变量,但应与验证的临床预测模型区分。独立验证的免疫信息学模型证据仍有限。挑战包括基质、采样时间、平台、检测限、缺失数据、批次效应及临床混杂。模型需标准化、特征选择、防数据泄漏、内部和外部验证、校准和临床意义评估。

2.3 Role of immune-informatics in biomarker discovery(免疫信息学在生物标志物发现中的作用)
免疫信息学整合细胞因子、趋化因子、免疫细胞、分子和临床数据,识别疾病活动度和并发症候选生物标志物。网络分析、通路富集、聚类、特征选择和多组学整合可揭示协调炎症模式,识别与溶血、内皮活化、血管闭塞、感染或器官损伤相关模块。细胞因子谱研究显示显著生物学异质性,但高维关联不等于临床验证生物标志物。候选特征需评估分析可重复性、稳定性、增量价值和独立人群性能。基因型、治疗、年龄、感染、输血、肾功能和临床状态应纳入。机器学习可辅助特征降维和模式识别,但仍属新兴。过拟合、小样本、缺失数据、批次效应、数据泄漏和外部验证不足可导致泛化差。

2.4 Standardisation of cytokine measurement(细胞因子测量标准化)
标准化对可重复免疫谱分析至关重要。细胞因子浓度受基质、采样时间、疾病状态、治疗、处理、储存和平台影响。研究应区分血清、血浆和细胞上清,标准化收集管、处理间隔、储存条件和冻融控制。采样应关联稳态、血管闭塞疼痛发作、急性并发症、感染和恢复。传统或高灵敏酶联免疫吸附试验(ELISA)、Bio-Plex等多重平台、蛋白质组学和转录组学在灵敏度、动态范围、检测限、交叉反应和批次效应方面不同,结果未经协调不应直接互换。需要质量控制、校准、技术重复、标准化和透明报告缺失或低于检测限值。多中心研究应采用共识方案,生成适合免疫信息学整合和验证的可比数据。

2.5 Standardisation of cytokine sampling and analytical methods(细胞因子采样与分析方法标准化)
标准化采样和分析程序对可重复炎症谱分析必不可少。研究应明确血清、血浆或细胞上清,并标准化收集管、处理时间、离心、储存和冻融循环。采样应关联稳态、血管闭塞危象、急性并发症、感染和恢复。分析平台包括传统或高灵敏ELISA、Bio-Plex、电化学发光、蛋白质组学和转录组学,应报告检测限、动态范围、变异和质量控制。适当校准、技术重复、标准化和透明处理缺失或低于检测限值可减少偏倚。跨中心协调方案将改善可比性,支持纵向免疫信息学分析和临床意义炎症特征验证。

2.6 Baseline, pre-crisis, crisis, recovery and post-crisis inflammatory trajectories(基线、危象前、危象、恢复期和危象后炎症轨迹)
SCD炎症轨迹应按临床阶段纵向评估。稳态/基线代表潜在炎症表型,危象前阶段可能捕捉临床明显血管闭塞前免疫激活。危象期间细胞因子和趋化因子反应随内皮活化、白细胞募集、组织损伤和凝血增强。恢复期反映急性炎症消退,危象后评估可识别持续免疫激活或未回归基线。重复测量可区分稳定特征与暂时危象变化,为生物标志物、炎症表型和并发症预测提供基础。

2.7 Comparison of cytokine analytical platforms(细胞因子分析平台比较)
平台在灵敏度、动态范围、多重能力和精密度方面差异显著。传统ELISA提供稳健特异定量,但对低丰度细胞因子灵敏度有限;高灵敏ELISA可检测低皮克或亚皮克水平。Bio-Plex等多重平台可用小样本同时测量多种细胞因子,但检测范围和干扰因检测而异。蛋白质组学提供高通量蛋白谱,但需更严格标准化和验证。转录组学测量基因表达而非循环蛋白,提供互补信息。检测限、动态范围、校准和性能不同,浓度不应未经标准化和验证直接互换。

2.8 Animal models of SCD and cytokine-network biology(SCD动物模型与细胞因子网络生物学)
SCD动物模型提供难以从人类观察研究获得的机制见解。转基因和基因敲除镰状小鼠重现溶血、内皮活化、白细胞募集、血管闭塞和炎症信号某些特征,允许检查细胞因子、趋化因子、补体和细胞通路相互作用。模型可通过遗传或药理学操作识别因果关系、候选炎症靶点和治疗应答通路。但物种差异限制外推至人类。动物发现应补充而非替代纵向人类细胞因子谱分析和临床验证。

2.9 Genotype-dependent inflammatory heterogeneity(基因型依赖性炎症异质性)
炎症反应可能因基因型而异,反映溶血、血管闭塞负担、贫血和治疗差异。HbSS或HbSβ0-地中海贫血患者可能不同于HbSC或HbSβ+-地中海贫血,但个体间变异显著。年龄、羟基脲、输血、感染和临床状态也影响解释。需基因型分层纵向研究,表征稳态、危象、恢复和危象后轨迹,确定炎症特征是基因型特异、并发症特异还是共享。此类研究可加强生物标志物发现和免疫信息学建模。

2.10 Standardisation of cytokine measurement and immune-informatics data in SCD(SCD中细胞因子测量与免疫信息学数据标准化)
标准化对生成可重复细胞因子数据集至关重要。应协调基质、采集、处理、离心、储存和冻融,区分稳态、危象前、危象、恢复和危象后。ELISA、Bio-Plex、蛋白质组学和转录组学应报告灵敏度、检测限、动态范围、质量控制和批间变异。计算流程应标准化预处理、归一化、批次校正、缺失值处理、特征选择和降维。预测建模需分离训练和验证集、交叉验证、防泄漏、外部验证、校准和透明报告。基因型、年龄、性别、羟基脲、输血、感染和肾功能应纳入以减少混杂。协调方案和可重复报告将提高多中心可比性。

2.11 Biomarker discovery and validation(生物标志物发现与验证)
细胞因子和趋化因子谱可识别反映SCD炎症异质性的生物标志物。候选包括IL-1β、IL-6、TNF-α、IL-8/CXCL8、IL-10、MCP-1/CCL2及复合炎症特征。高维多重研究显示显著炎症多样性,支持单分析物不足。但关联不等于预测或因果效用。免疫信息学可整合细胞因子与临床、基因组、转录组和蛋白质组数据,识别协调模式和候选标志物。网络分析可揭示高度连接介质,机器学习辅助特征选择。然而预测血管闭塞危象、急性胸部综合征、器官并发症或治疗反应的稳健独立验证模型仍不足。未来需标准化纵向采样、足够样本、基因型分层、严格验证、校准和前瞻性评估。

2.12 Therapeutic discovery through the cytokine network(通过细胞因子网络进行治疗发现)
细胞因子网络分析可识别促成SCD并发症的炎症通路和相互连接靶点。网络方法可发现高度连接介质、上游调节因子、信号通路及免疫-内皮-凝血-补体交互,而非聚焦单一细胞因子。整合细胞因子谱与转录组、蛋白质组、基因组和临床数据可支持患者特异性炎症表型和治疗靶点识别。计算药物重定位可筛选调节优先通路的化合物,但需实验验证特异性、疗效和安全性。该方法还可促进临床试验患者分层。然而SCD中多数免疫信息学应用仍为研究性,计算靶点应视为假设而非既定治疗策略。

2.13 Future research priorities(未来研究重点)
未来应从描述性细胞因子谱转向标准化、纵向和临床验证的免疫信息学研究。多中心队列应协调采集、处理、储存、平台和质量控制,捕捉稳态、危象前、危象、恢复和危象后轨迹。研究应足够把握度并基因型分层,比较HbSS、HbSβ0-地中海贫血、HbSC等表型。整合细胞因子与多组学、细胞和临床数据可构建可解释炎症网络。机器学习模型应严格特征选择、交叉验证、外部验证、校准和临床效用评估。候选标志物和治疗靶点需实验室、动物和前瞻性临床验证。重点关注血管闭塞危象、急性胸部综合征、卒中、肾病、慢性疼痛和治疗反应。

2.14 Limitations(局限性)
当前证据受人群、基因型、临床状态、采样方案、基质和分析平台异质性限制。许多研究为横断面且样本较小,限制时间轨迹和因果评估。检测灵敏度、范围、标准化和数据处理差异限制跨研究可比性。计算和机器学习应用仍处新兴阶段,独立外部验证和前瞻性评估有限。动物模型提供机制见解,但可能不完全重现人类SCD免疫生物学。因此需标准化、基因型分层、纵向、多中心研究,整合验证的细胞因子测量与临床和多组学数据。

3 CONCLUSION(结论)
SCD存在复杂持续免疫失调,溶血、缺氧、缺血-再灌注、内皮活化、补体信号和细胞相互作用汇聚产生动态细胞因子反应。多维细胞因子谱扩展了对炎症异质性的理解,并提供候选生物标志物和治疗通路。然而基质、采样、平台、临床背景和患者特征变异限制比较和可重复性。免疫信息学为整合细胞因子、分子、细胞和临床数据提供有前景框架,但用于常规预测并发症的稳健独立验证模型仍不足。计算衍生特征目前应视为候选生物标志物或研究工具,而非临床验证预测因子。未来需标准化纵向采样、协调分析、足够把握度和基因型分层队列、透明流程、严格验证和前瞻性评估。整合免疫信息学与实验和临床证据,可能支持更精确表征炎症表型、发现生物标志物、识别治疗靶点并推进个体化管理。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号