IF58.7｜脓毒症血液转录组共识分型框架

三大独立分型方法整合出CTS1-3共识亚型，揭示类固醇治疗在CTS2中的潜在危害。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

脓毒症是感染引起的宿主反应失调导致的致命性器官功能障碍，其高度异质性阻碍了针对性治疗的发展。血液转录组学已被用于识别具有不同生物学特征的分子亚型，但不同研究组得出的亚型数量从2到4不等，命名和分类方法各异，导致结果难以比较和转化。此前已有多个独立研究组基于全血转录组数据提出了各自的脓毒症亚型分类，如SRS1/2、MARS1-4和inflammopathic/adaptive/coagulopathic，但这些分类之间缺乏统一标准，限制了其在临床中的应用。

科学问题

卡在哪里： 不同研究组使用不同的患者队列、平台和算法，导致脓毒症转录组亚型的数量和生物学解释不一致，缺乏一个标准化的共识框架来整合这些分类，从而难以在临床试验中利用分子亚型进行患者分层和预测治疗反应。

本文要回答： 整合三个独立研究组的脓毒症血液转录组分类方法，建立一个共识转录组亚型（CTS）框架，并评估其临床关联、生物学特征和对治疗反应的潜在预测价值。

技术路线

作者主要用了：微阵列、RNA-seq、网络分析、随机森林分类器、GSEA、scRNA-seq、血浆蛋白组。

作者将荷兰MARS和英国GAinS两个大型脓毒症队列的ICU入院血液转录组数据（n=1122）进行共标准化，然后让三个独立研究组分别用自己的分类算法对同一批样本进行亚型标注。通过基于Jaccard相似系数的网络分析和马尔可夫聚类，识别出三个共识转录组亚型（CTS1-3）。利用核心样本（各分类方法高度一致的样本）训练了一个18基因随机森林分类器，用于后续样本的CTS分配。最后在独立队列（VANISH试验和乌干达队列）中验证分类器的稳健性，并结合GSEA、单细胞RNA-seq和血浆蛋白组数据解析各亚型的生物学特征。

图 1　Fig. 1。图1展示了共识分型的分析流程和结果。a部分显示三个研究组分别对共标准化后的1122例样本进行分类，然后通过网络分析识别CTS。b部分显示不同分类方法之间的网络关联。c部分显示CTS1-3的聚类结果。d部分展示18个分类器基因的热图。e-g部分显示CTS与SOFA评分、APACHE IV评分和ICU死亡率的相关性，CTS2病情最重。h部分显示35例患者在第1、3、5天的CTS轨迹变化。

核心亮点

亮点 1｜三大分型方法收敛为CTS1-3

通过整合SRS1/2、MARS1-4和inflammopathic/adaptive/coagulopathic三种分类，网络分析识别出三个共识亚型：CTS1（SRS1、MARS2、inflammopathic）、CTS2（SRS2、MARS1、coagulopathic）和CTS3（SRS2、MARS3、adaptive）。MARS4因患者数少未形成独立簇，但与adaptive亚型显著相关。基于核心样本训练的18基因分类器在全部1122例样本中实现了2.2%的袋外错误率，平均轮廓宽度0.7，表明分类稳健。CTS与SOFA评分、APACHE IV评分和ICU死亡率显著相关，CTS2患者病情最重、死亡率最高。

图 2　Fig. 2。图2聚焦于类固醇治疗与CTS的交互作用。a部分显示CTS1和CTS2中接受类固醇治疗的患者比例显著高于CTS3。b-d部分为Kaplan-Meier生存曲线，显示CTS1和CTS2患者接受类固醇治疗后28天死亡率显著升高，而CTS3患者中类固醇治疗与死亡率降低相关。e部分显示VANISH试验中176例患者的CTS分配轮廓宽度。f-g部分显示VANISH试验中氢化可的松治疗对CTS2和CTS3患者28天死亡率的预测概率和OR值。

亮点 2｜CTS2患者类固醇治疗有害

在MARS队列中，经倾向评分匹配后，类固醇治疗显著增加28天死亡率（OR=3.83，P=5.2×10⁻⁸）。CTS1和CTS2患者接受类固醇治疗后28天死亡率分别增加33.7%和34%（log-rank P分别为5×10⁻⁷和0.0003），而CTS3患者中类固醇治疗与死亡率降低相关（交互项OR=0.2，P=0.009）。在VANISH随机试验中，CTS2患者使用氢化可的松也显示更高的预测死亡率（OR=5.76，P=0.021），尽管交互项不显著。这些结果提示CTS2可能对类固醇治疗抵抗甚至有害。

图 3　Fig. 3。图3揭示CTS的生物学通路和细胞来源。a部分GSEA显示CTS1富集炎症通路，CTS2富集血红素代谢，CTS3富集干扰素信号等。b部分为脓毒症单细胞图谱的UMAP图，标注了主要细胞群。c部分将CTS基因集投影到UMAP上，显示CTS1基因在未成熟中性粒细胞中高表达，CTS2基因在血小板和嗜酸性粒细胞中高表达，CTS3基因在淋巴细胞和非经典单核细胞中高表达。d部分为AUCell评分热图，进一步证实了细胞类型特异性。

亮点 3｜CTS生物学特征与细胞来源

GSEA显示CTS1富集IL-6信号、活性氧、糖酵解、mTORC1等炎症通路；CTS2富集血红素代谢、KRAS信号、肌生成和雌激素反应；CTS3富集同种异体移植排斥、干扰素信号、Wnt/β-catenin和DNA修复。单细胞RNA-seq投影显示CTS1基因在未成熟中性粒细胞（PADI4+、IL1R2+）中高表达，CTS2基因在血小板和嗜酸性粒细胞中高表达，CTS3基因在淋巴细胞（B、T、NK）和非经典单核细胞中高表达。血浆蛋白组显示CTS1有最高的IL-6、IL-8、IL-10、MMP8、NGAL和内皮激活标志物；CTS2有最高的tPA和PAI1，蛋白C最低；CTS3蛋白C最高。

图 4　Fig. 4。图4展示血浆生物标志物在CTS间的差异。a部分显示CTS1有最高的IL-6、IL-8、IL-10、MMP8、NGAL和可溶性E-选择素。b部分显示CTS1的血管生成素-2/1比值最高。c部分显示CTS2的tPA和PAI1水平最高。d部分显示蛋白C水平在CTS3最高、CTS1最低。e部分显示D-二聚体在各组间无显著差异。这些结果支持CTS1为炎症和内皮激活表型，CTS2为凝血和纤溶紊乱表型，CTS3为相对较轻的扰动表型。

亮点 4｜分类器跨队列稳健且动态变化

18基因分类器在乌干达RESERVE-U队列（n=128）中成功分配CTS1-3，证明其跨地域和人群的适用性。在GAinS队列的随访样本（第3天和第5天）中，CTS分配随时间动态变化，35例有完整三个时间点数据的患者显示不同轨迹。持续处于CTS1或CTS2的患者预后更差。敏感性分析显示分类器性能不受住院到ICU入院时间间隔或研究地点的影响。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 微阵列、RNA-seq、网络分析、随机森林分类器、GSEA、scRNA-seq、血浆蛋白组
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事脓毒症或危重症转录组研究、生物标志物开发或临床试验设计的科研人员。

带走一句

共识分型框架为脓毒症异质性提供了可复用的分类标准，18基因分类器可跨队列应用，并提示分子亚型可指导类固醇治疗决策。