文章中心

了解、体验、感悟、分享——汇聚平台使用教程与科研动态。

云馆首页 资讯文章 新闻资讯 正文
新闻资讯

多组学揭示重症SFTS死亡风险:色氨酸代谢紊乱是关键

Genelibs文献解读 2026-10-25 01:33 34 次阅读
原文:Integrated proteomic and metabolomic profiling characterizes tryptophan metabolic disturbance associated with mortality in ICU-admitted SFTS patients.
期刊:Frontiers in immunology(影响因子 7.0) |  PubMed | PMC 全文(含 PDF)

发热伴血小板减少综合征(Severe fever with thrombocytopenia syndrome, SFTS)是由大别班达病毒(Dabie bandavirus,旧称SFTSV或新型布尼亚病毒)引起的一种蜱传人畜共患病。自2009年在中国首次被发现以来,SFTS已在东亚多个国家和地区形成公共卫生威胁,包括中国、日本、韩国和越南。其典型临床表现为急性高热、血小板与白细胞显著减少以及多器官损伤;重症患者可迅速进展为出血倾向、意识改变、休克甚至弥散性血管内凝血。

在普通SFTS队列中,病死率约为10%–30%;然而,一旦患者因病情危重被收入重症监护病房(ICU),死亡率可升至约44.7%,若合并多器官衰竭与中枢神经系统受累,死亡率甚至高达79.3%。目前,临床上仍缺乏特异性抗病毒药物和获批疫苗,治疗以对症支持为主。因此,理解重症SFTS患者从“可存活”走向“死亡”的分子机制,寻找能早期预警预后的生物标志物和潜在治疗靶点,是该领域亟待解决的关键问题。

传统临床指标和病原核酸检测虽能判断感染与大致病情,却难以全面刻画病毒与宿主之间复杂的分子互作。蛋白质组学可系统描绘病毒感染过程中的差异蛋白表达、翻译后修饰及免疫调控通路;代谢组学则能动态反映病毒复制相关的内源性代谢扰动与通路重编程。将二者整合,已成为研究新发RNA病毒致病机制、识别疾病严重度标志物和探索治疗靶点的有力策略,并已在冠状病毒、流感病毒等重症感染研究中得到验证。但在重症SFTS中,宿主代谢与蛋白质组的系统分子图谱仍不清楚,限制了对危重化机制的认识和靶向干预的开发。

研究设计与人群:68例ICU重症SFTS患者的前瞻性队列

为填补这一空白,来自烟台奇山医院重症医学科的研究团队开展了一项前瞻性队列研究,成果发表于《Frontiers in Immunology》(影响因子7.0)。研究纳入2019年7月至2023年10月期间收治于该院ICU的68例重症SFTS患者,依据入ICU后28天临床结局分为存活组(n=33)与死亡组(n=35)。所有患者均经RT-PCR确认血液中存在新型布尼亚病毒核酸,并符合《发热伴血小板减少综合征诊疗共识(2022版)》中的重症/危重症标准;同时排除了合并其他病原感染、免疫抑制状态、临床资料不全及年龄小于16岁等个体,以减少混杂。

两组患者在年龄、性别及多数基础病(糖尿病、高血压、冠心病等)上无显著差异,但死亡组表现出更严重的疾病表型:格拉斯哥昏迷评分(GCS)更低(9.0 vs 11.0,P=0.002),病毒RNA拷贝数更高(1,150,000 vs 8,138,P<0.001),全身炎症反应更剧烈(乳酸、降钙素原、IL-6、铁蛋白均显著升高),并伴有更明显的肝、肾、心肌损伤及凝血功能障碍(ALT、AST、BUN、Cr、胱抑素C、hsTnI、BNP、PT、APTT、INR、TT、D-二聚体等指标均显著异常)。这提示死亡组在入ICU时已处于多器官损伤与系统性炎症的失控状态。

核心发现一:色氨酸代谢通路剧烈扰动,四种代谢物可高精度预测死亡

研究团队在患者入ICU后24小时内采集空腹外周静脉血,分离血浆并于−80℃保存,仅经历一次冻融循环,随后进行非靶向代谢组学与定量蛋白质组学分析。代谢组学采用超高效液相色谱-串联质谱(UHPLC-MS/MS)技术,共检测到21,761个离子峰。主成分分析(PCA)显示质控样本紧密聚集,说明仪器稳定、重复性好;正交偏最小二乘判别分析(OPLS-DA)则清晰区分了存活组与死亡组。

Figure 1
Figure 1 血浆代谢组学分析揭示存活者与非存活者之间存在不同的代谢特征。(A) PCA得分图:PC1(13.63%)和PC2(5.30%)。质量控制(QC)样本紧密聚集在原点附近,表明高重现性和仪器稳定性;非SG(非存活者)和SG(存活者)沿PC1分离。(B) OPLS-DA得分图:T得分

以VIP>1且P<0.05为标准,共鉴定出819个差异代谢物;与存活组相比,死亡组中296个上调、523个下调。进一步的KEGG通路富集分析发现,多条代谢通路与致死结局相关,其中色氨酸代谢(tryptophan metabolism)的紊乱尤为突出:死亡组血浆中L-色氨酸水平下降,而其下游犬尿氨酸(kynurenine)通路代谢物——犬尿氨酸、犬尿喹啉酸(KA)、3-羟基邻氨基苯甲酸(3-HAA)、黄尿酸(XA)以及5-羟基吲哚丙酮酸(5-HIP)——均升高,提示犬尿氨酸通路被显著激活。

Figure 2
Figure 2 差异代谢物的通路富集分析及组间核心色氨酸代谢物比较。(A) 差异代谢物的KEGG通路富集气泡图:x轴,−Lg(p);气泡大小,富集代谢物数量(Count);颜色,BH校正后的P值。色氨酸代谢(10/106个代谢物;校正后P = 0.001)是最显著富集的通路。(B) 富集散点图:x轴,映射百分比(%);y轴,−log(P值,10);色氨酸代谢(红色)显著富集。(C) 存活者(蓝色)和非存活者(红色)中L-色氨酸及四种核心色氨酸代谢物(犬尿喹啉酸[KA]、3-羟基邻氨基苯甲酸[3-HAA]、黄尿酸[XA]和5-羟基吲哚丙酮酸[5-HIP])的归一化强度箱线图;每个面板上方标注了FC、P、FDR和VIP值(L-Trp:FC(非SG/SG)= 0.71,P = 0.0067,FDR = 0.031,VIP = 1.23;KA:FC(非SG/SG)= 9.09,P = 0.0031,FDR = 0.0175,VIP = 1.40;3-HAA:FC(非SG/SG)= 1.72,P < 0.001,FDR < 0.001,VIP = 2.36;XA:FC(非SG/SG)= 4.00,P < 0.001,FDR < 0.001,VIP = 1.86;5-HIP:FC(非SG/SG)= 6.25,P = 0.0054,FDR = 0.0268,VIP = 1.32)。

更重要的是,研究聚焦于其中四种核心色氨酸代谢物(KA、3-HAA、XA、5-HIP),通过受试者工作特征(ROC)曲线评估其对28天死亡的预测能力。结果显示,这四种代谢物联合使用的曲线下面积(AUC)达到0.934,展现出优异的判别效能。同时,这些代谢物与肾功能指标(如BUN、Cr、胱抑素C)及凝血指标显著相关,说明色氨酸代谢重编程并非孤立现象,而是与器官损伤和凝血障碍紧密耦合。

Figure 3
Figure 3 色氨酸代谢物预测28天死亡率的ROC分析。(A–D) 犬尿喹啉酸(AUC = 0.892)、3-羟基邻氨基苯甲酸(AUC = 0.860)、黄尿酸(AUC = 0.850)和5-羟基吲哚丙酮酸(AUC = 0.810)预测28天死亡率的ROC曲线(左)和相对丰度箱线图(右,存活者对比非存活者,标注了显著性)。(E) 联合ROC曲线(预测SFTS患者短期死亡率的ROC曲线):4种代谢物+APTT(AUC = 0.948)、4种代谢物组合(AUC = 0.934)、KA(0.892)、APTT(0.863)、3-HAA(0.86)、XA(0.85)和5-HIP(0.81);灰色虚线,参考线。
Figure 4
Figure 4 色氨酸代谢物与临床指标的相关性热图。四种色氨酸代谢物(5-HIP、KA、XA和3-HAA)与临床指标(BUN和APTT)之间的Pearson相关系数,在总体队列(所有患者,n = 68)、存活者(n = 33)和非存活者(n = 35)中计算。红色,正相关;蓝色,负相关;单元格内显示r值和显著性水平(*P < 0.05,**P < 0.01,***P < 0.001)。

核心发现二:蛋白质组描绘炎症与免疫失衡,存活者富集蛋白酶体通路

在蛋白质组层面,研究采用数据非依赖采集(DIA)质谱技术,对血浆样本进行定量分析。三维PCA显示质控样本紧密成簇,数据质量稳定。以|FC|≥1.5且P<0.05为阈值,共鉴定出200个差异表达蛋白。功能分析表明:在存活组中上调的蛋白主要富集于蛋白酶体通路(proteasome pathway),提示存活者可能通过更有效的蛋白降解与抗原处理机制维持细胞稳态;而在死亡组中上调的蛋白则富集于IL-17通路及其他炎症与免疫相关通路,反映出失控的炎症反应和免疫紊乱是致死过程的重要特征。

Figure 5
Figure 5 血浆蛋白质组学差异分析。(A) 蛋白质组学质量控制的3D-PCA得分图:PC1,24.39%;PC2,12.74%;PC3,4.97%。QC样本紧密聚集,证实数据质量稳定。(B) 差异表达蛋白(DEPs)的火山图:Log2(FC)对比−Log10(P);红色,上调(Up,n = 105);蓝色,下调(Down,n = 95);灰色,不显著(NoSig,n = 5843);标注了代表性蛋白(SHROOM3、PIGW、SEPSECS、MYH11、TARS1、MCCC1、CCL22、MOB2、FDCSP和CDA)。(C) DEPs的KEGG通路富集分析:x轴,−Log10(P);红色(UP)和蓝色(DOWN)代表由各方向上调蛋白富集的通路,标注了基因计数(n)和P值。主要富集通路包括蛋白酶体(n = 12)、IL-17信号(n = 9)、TNF信号(n = 9)、趋化因子信号(n = 9)和细胞因子-细胞因子受体相互作用(n = 9)。(D) DEPs的Pfam结构域富集分析:x轴,−Log10(P);最显著富集的结构域为蛋白酶体亚基PF00227(n = 12,P = 5.79E-20)和PF10584(n = 5,P = 6.52E-09),其次为小细胞因子PF00048(n = 7,P = 4.69E-07)。

核心发现三:代谢—蛋白整合网络锁定20个关联蛋白

为把“代谢变化”与“蛋白变化”联系起来,研究者进行了整合分析。他们将四种色氨酸代谢物与差异蛋白做关联分析,在整体队列中筛选出|r|≥0.35且P<0.05的蛋白,构建代谢物—蛋白网络。结果发现,这四种色氨酸代谢物与20个差异表达蛋白相关;其中,有6个蛋白在存活组或死亡组亚组内仍保持显著关联,被定义为“稳健关联”。这意味着色氨酸代谢紊乱并非单独发生,而是与特定的炎症、免疫及器官损伤相关蛋白协同变化,共同刻画了致死性重症SFTS的分子肖像。

Figure 6
Figure 6 色氨酸代谢物与差异表达蛋白之间的Spearman相关性分析。(A–D) 与犬尿喹啉酸(A)、3-羟基邻氨基苯甲酸(B)、黄尿酸(C)和5-羟基吲哚丙酮酸(D)相关性最强的蛋白的Spearman相关系数条形图。颜色表示计算相关性的层级:all(黑色,全队列,n = 68)、SG(蓝色,存活者,n = 33)和nonSG(红色,非存活者,n = 35)。x轴显示Spearman rho;*,P < 0.05。所示蛋白:(A) MYH11、SHROOM3、SEPSECS、NDUFA3、TARS1和GUSB;(B) MMP3、CCDC25、SHROOM3、SH3BGR、BIN1和AGL;(C) B4GALT5、PLSCR3、PMS2P11、XPC、CCL22和MYOF;(D) B4GALT5、MYH11、NDUFA3、SEPSECS、PMS2P11和GPT。

方法亮点:多组学整合与严格统计控制

该研究在方法上有若干值得称道之处。首先,样本处理高度规范:所有血浆仅一次冻融、随机安排进样顺序、每15个实验样本插入一次混合质控(QC)样本,且全部样本在单批次内完成检测,避免了批间校正需求。其次,代谢组与蛋白质组采用了互补的统计策略——代谢组数据高维且共线性强,故采用OPLS-DA的VIP联合单变量P值筛选;蛋白质组特征较少、可解释性强,则以倍数变化(|FC|≥1.5)与P值界定差异蛋白。再次,在关联分析中,研究者不仅看整体队列,还分别在存活组和死亡组内部计算相关性,并用Benjamini–Hochberg方法控制错误发现率(FDR),从而识别出不受组间差异驱动的“稳健关联”。最后,ROC分析给出了AUC、敏感度、特异度及95%置信区间,使生物标志物的判别价值得以量化。

应用意义:从预后标志物到潜在治疗靶点

这项研究的价值体现在两个层面。在科研层面,它首次系统描绘了ICU重症SFTS患者血浆中的整合蛋白质组—代谢组图谱,明确了色氨酸/犬尿氨酸通路激活与炎症蛋白特征(如IL-17通路)共同构成致死性疾病的分子基础,为后续机制研究提供了候选通路和分子网络。在临床层面,四种核心色氨酸代谢物联合预测28天死亡的AUC高达0.934,说明它们有望成为早期识别高危患者的无创或微创预后标志物;而所关联的20个蛋白(尤其是6个稳健关联蛋白)则可能作为干预节点,为开发针对代谢重编程或炎症通路的辅助治疗策略提供线索。

当然,作者也指出,目前尚无特异性抗SFTS病毒药物和疫苗,临床管理仍以支持治疗为主。因此,这些“代谢物—蛋白特征”要真正走向临床应用,仍需在更大规模、多中心队列中验证,并进一步通过功能实验确认其因果作用。但毫无疑问,该研究为理解重症SFTS的危重化机制打开了一扇窗:当色氨酸被大量推向犬尿氨酸通路、而宿主蛋白稳态与炎症调控失衡时,死亡风险便显著升高。未来,针对这一代谢—免疫轴的监测与调控,或将成为改善重症SFTS患者结局的新方向。

本文图片转载自 PMC 开放获取全文,仅供学习参考,请以原文为准。

联系地址

山东省济南市章丘区文博路2号

齐鲁师范学院 Genelibs生信实验室

山东省济南市高新区舜华路750号

大学科技园北区F座4单元2楼

电话: 0531-88819269

微信公众号

关注微信订阅号,实时查看信息,关注医学生物学动态。


商务邮箱

E-mail: product@genelibs.com