news 2026/8/5 23:25:22

基于大规模血清蛋白组的 ARDS 三类炎症表型多中心前瞻性队列研究完整解析

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
基于大规模血清蛋白组的 ARDS 三类炎症表型多中心前瞻性队列研究完整解析

一、文献基础背景

该研究论文于2026 年发表于国际呼吸领域顶刊《EUROPEAN RESPIRATORY JOURNAL》(欧洲呼吸杂志)。

研究题目:Large-scale proteomic profiling identifies distinct inflammatory phenotypes in acute respiratory distress syndrome: a multicentre, prospective cohort study

二、研究思路

本研究纳入总计 1048 例 ARDS 患者,分为发现队列(414 例)、上海内部验证队列(324 例)、上海外部验证队列(310 例),在 ARDS 发病 72h 内采集血清,采用 Olink Explore 384 炎症芯片完成 362 种炎症相关蛋白靶向蛋白组检测,通过潜类别分析(LCA)稳定识别并外部验证出 3 种完全独立、具备差异化临床、影像、分子特征的 ARDS 炎症表型(C1 高死亡表型、C2 低死亡表型、C3 中度死亡中间表型);联合肺部 CT 影像组学解析三类表型肺部充气、水肿影像学差异,通路富集阐明各表型固有免疫、炎症、组织重塑、代谢重编程的分子异质性;通过 IPTW 校正 Cox 回归证实三类表型对糖皮质激素、高 PEEP 通气存在完全相反的治疗响应(C1 获益、C2 损伤、C3 无显著差异);最后基于 XGBoost 算法构建仅含 12 种血清标志物的简易分型模型,在两个独立验证队列中 AUC 均>0.89,可直接适配 Luminex、MSD 常规多因子免疫平台,实现床旁快速分子分型,为 ARDS 精准个体化治疗、临床试验分层提供分子分型工具。

三、结果解析

结果 1、队列构建与三类蛋白组炎症表型稳定分型

1、研究设计流程

三队列分层设计:先上海单中心 414 例作为发现队列,再分上海内部 324 例、外地多中心 310 例双重独立验证,统一采集发病 72h 血清做 Olink 362 蛋白检测、临床生化、胸部 CT、90 天预后随访,整合多模态数据完成分型与验证。

2、蛋白组无监督分型结果

对 362 维蛋白数据做主成分降维后 LCA 潜类别聚类,最优模型为 3 分类,在发现、两个验证队列中聚类模式高度一致,PERMANOVA 两两分组 R² 均具有统计学差异,证明三类表型蛋白表达谱完全分离、分型可重复。

3、器官功能损伤差异

  • C1(23%):SOFA 评分最高、肾损伤、休克、多器官功能衰竭比例显著升高,慢性肾病占比高,肾脏替代治疗、有创通气使用率最高;
  • C2(32%):器官损伤最轻,SOFA 中位数仅 4 分,脏器支持治疗需求最少;

C3(45%,占比最大):年龄最高,器官损伤、生化指标介于 C1 与 C2 之间,为中间过渡状态。

4、90 天生存预后分层

死亡风险排序:C1(90 天死亡率 72%)>C3(56%)>C2(41%),三个队列生存曲线分层趋势完全一致,风险比具有显著统计学差异,证明蛋白分型可精准区分 ARDS 远期死亡风险。

结果 2、三类表型肺部 CT 充气影像组学特征差异

1、CT 将肺组织分为过度充气、正常充气、充气不良、无充气四区,共纳入 806 例患者 CT 扫描;

2、定量结果:C1 表型充气不良 / 无充气肺组织占比最高,肺部水肿、CT 纹理异质性最重,弥漫肺泡损伤;C2 以正常充气肺为主,局灶性浸润;C3 肺部充气损伤程度中等;

3、机制关联:C1 广泛肺泡塌陷、肺水肿是其对高 PEEP 通气治疗获益的影像学基础,C2 局灶损伤,高 PEEP 会造成肺泡过度牵张加重损伤,解释两类表型通气策略反向获益差异。

结果 3、蛋白分子通路异质性解析

1、差异蛋白数量对比:相较健康人群,C1 上调蛋白最多(179 个),C2 最少(85 个),C3 居中(101 个);2、六大功能通路富集热图,三类表型分子特征完全区分:

  • C1 高炎症型:固有免疫、TLR/cGAS-STING 通路、促炎细胞因子(IL-6/TREM1)、组织纤维化、细胞焦亡、糖基化促炎代谢通路全面激活,抗炎代谢通路(PPAR/FXR)显著抑制;
  • C2 低炎症修复型:先天免疫、促炎通路整体抑制,组织修复、IL-10/Th2 抗炎、EPO 抗氧化代谢通路显著激活,以免疫抑制、肺泡修复为核心特征;
  • C3 中间型:促炎通路轻度激活,同时保留部分免疫调控修复通路,衰老、代谢重编程激活程度弱于 C1,属于炎症激活与修复共存的中间稳态。

结果 4、表型特异性治疗异质性

采用 IPTW 逆概率加权消除基线混杂,校正后 Cox 回归证实显著交互作用(p 交互<0.05):

1、糖皮质激素疗效分层

  • C1:使用激素显著降低 90 天死亡(HR=0.56),过度炎症状态下抗炎治疗获益;
  • C2:使用激素升高死亡风险(HR=1.77),本身以免疫修复为主,激素抑制宿主防御、延缓组织修复;
  • C3:激素无明显获益或损伤;

2、高 PEEP 通气分层

基于各表型 RCS 曲线确定个体化 PEEP 临界值(C1/C3=7cmH₂O,C2=6cmH₂O),高于阈值定义高 PEEP:

  • C1:高 PEEP 降低死亡率(HR=0.62),复张塌陷肺泡、减轻肺水肿;
  • C2:高 PEEP 显著升高死亡(HR=2.14),过度牵拉完好肺组织诱发呼吸机相关肺损伤;
  • C3:PEEP 高低不影响预后;该结果直接指导 ARDS 个体化通气与激素使用策略。

结果 5、12 标志物临床分型预测模型构建与验证

1、基于 XGBoost 机器学习筛选出 12 个核心蛋白标志物(PLAUR、BSG、TNFRSF14 等),SHAP 值证明 PLAUR、TNFRSF14 分型贡献度最高;

2、验证队列 ROC 曲线:上海内部队列 C1/AUC=0.96、C2/AUC=0.95、C3/AUC=0.89;外部队列 AUC 维持 0.88~0.97,分型准确度极高;

3、临床转化优势:无需全套 362 蛋白组测序,仅检测 12 个标志物即可完成分型,兼容Luminex、MSD商用多因子检测平台,适合重症床边快速检测。

结果 6、与传统二分类(高 / 低炎症 ARDS)对比

1、经典二分类仅区分高炎症、低炎症,生存存在差异,但内部存在巨大蛋白组异质性(PERMANOVA R²=0.03);

2、桑基图显示:本研究 C3 中间型大量患者被笼统归入传统 “低炎症” 表型,C1 同时混杂传统二分类的高、低炎症人群,传统二分法丢失中间炎症亚群,无法解释激素、PEEP 治疗的差异化响应;

3、证明三类蛋白分型相比传统二分法,提供更高分辨率分子分层,更适配精准治疗

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/5 23:22:18

马鞍山建设银行网站如何助力您的财富增长与生活服务指南

在如今这个信息爆炸、节奏飞快的时代,我们每个人都像是一个忙碌的陀螺,从清晨的第一缕阳光洒进窗台开始,直到深夜疲惫地关上家门,生活仿佛被按下了快进键。在这匆匆忙忙的日子里,钱袋子似乎永远是大家最关心的话题之一。以前,存钱取钱得特意挑个不忙的周末,穿上得体的衣…

作者头像 李华
网站建设 2026/8/5 23:20:46

【MSP430F2619】基础简介及基础设计、操作

一、特性 供电 1.8V ~ 3.6V 最高时钟频率 16MHz 16位RISC架构,62.5ns指令周期 120KB 256字节(信息存储区) 闪存 4KB RAM 三通道内部DMA 12位 ADC 和 12位DAC 具有3个捕获/比较寄存器的 16位定时器 TimerA 具有7个捕获/比较寄存器的 16位定时器 TimerB 片上比较器…

作者头像 李华
网站建设 2026/8/5 23:18:05

深圳网站建设微信商城开发怎么做才能既好看又好用,聊聊那些踩过坑才懂的真话

咱们今天不聊那些虚头巴脑的大概念,也不整那些看似高大上却让人云里雾里的专业术语,就想静下心来,像老友喝茶聊天一样,实实在在地聊聊深圳网站建设微信商城开发这件事。很多人一听到这个词,脑子里蹦出来的全是代码、服务器、UI设计,觉得这是一件特别高深莫测的技术活。但…

作者头像 李华
网站建设 2026/8/5 23:14:18

网站建设确认单到底该怎么签才不吃亏?深度解析网站建设确认单的每一个细节与坑位

咱们今天不聊虚的,就聊聊那个让很多老板、项目负责人,甚至是一些自以为经验丰富的互联网从业者都能头疼半天的小东西——网站建设确认单。别听这个名字挺专业挺高大上的,其实说白了,它就是你在项目正式动工前,或者在关键节点上,双方手里必须握住的“尚方宝剑”和“护身符…

作者头像 李华
网站建设 2026/8/5 23:11:55

GPU服务器安装MilvusDB手记

目录 背景 操作步骤回顾说明 1、关于安装方式选择 2、准备镜像方面的物料 2-1、下载镜像物料 2-2、将成功下载后的镜像输出到文件 2-3、在测试服务器上准备docker与docker-compose环境 2-4、将准备好的物料上传到测试服务器并使用docker-compose命令启动相关容器 3、对…

作者头像 李华