循环内皮细胞特征与COVID-19、呼吸衰竭及ARDS不良结局相关
本研究采用无监督的转录组反卷积方法(GEDIT)量化外周血中内皮细胞特征百分比(ECS%)。在CAF-PINT儿童机械通气队列(n=244)中,第0天ECS%在呼吸衰竭死亡者中高于存活者(2.8% vs 2.6%),且与28天死亡风险相关(单变量OR 1.80,95%CI 1.13–2.92)。在IMPACC成人COVID-19队列(n=932)中,入院72小时内ECS%在死亡者中更高(2.9% vs 2.7%),每增加1%与28天死亡风险相关(校正OR 1.36,95%CI 1.03–1.79),并与更差的呼吸轨迹相关。结论提示循环内皮细胞特征可能作为内皮损伤的无创标志物,与呼吸衰竭不良结局相关,但尚需前瞻性验证。
要点
- 在IMPACC成人COVID-19队列中,入院72小时内ECS%每增加1%,28天死亡校正OR为1.36(95%CI 1.03–1.79)。
- 在CAF-PINT儿童机械通气队列中,第0天ECS%在呼吸衰竭非存活者中为2.8%(IQR 2.4–3.4%),存活者为2.6%(IQR 2.2–3.0%),p<0.05。
- IMPACC中,无氧需求轨迹者基线ECS%中位2.5%(IQR 2.2–2.8%),28天死亡轨迹者为2.9%(IQR 2.6–3.4%),p<0.001。
- CAF-PINT中,发生儿童ARDS者基线ECS%中位2.6%(IQR 2.3–3.1%),未发生者为2.5%(IQR 2.1–2.8%),p<0.05。
- 作者认为,基于血液转录组反卷积量化ECS%可能为ARDS预后和预测性富集提供无创评估途径,但需前瞻性验证。
适用人群与场景
- CAF-PINT:儿科患者,随机分组前96小时内接受有创机械通气,随机至较低(80–110 mg/dL)或较高(150–180 mg/dL)血糖目标。
- IMPACC:住院成人COVID-19患者,入组时<72小时,来自20家参与医院。
研究设计与关键结果
- 研究类型:两项队列的二次分析;CAF-PINT为多中心随机临床试验(NCT01892969),IMPACC为多中心观察性队列(NCT04378777)。
- CAF-PINT:n=244,84%发生ARDS,13%于入组后28天内死亡;第0天ECS%非存活者2.8%(IQR 2.4–3.4%)vs存活者2.6%(IQR 2.2–3.0%),p<0.05;每1%增加与28天死亡单变量OR 1.80(95%CI 1.13–2.92);多变量校正后OR 1.55(95%CI 0.91–2.61)。
- IMPACC:n=932,11.5%插管,12.4%接受有创机械通气或ECMO,10%于入组后28天内死亡;基线(<72小时)ECS%非存活者2.9%(IQR 2.6–3.4%)vs存活者2.7%(IQR 2.3–3.1%),p<0.001;每1%增加与28天死亡单变量OR 1.48(95%CI 1.18–1.84),多变量校正后OR 1.36(95%CI 1.03–1.79)。
- IMPACC呼吸轨迹:无氧需求轨迹基线ECS%中位2.5%(IQR 2.2–2.8%),28天死亡轨迹2.9%(IQR 2.6–3.4%),n=932,p<0.001(单因素方差分析)。
- CAF-PINT:发生儿童ARDS者第0天ECS%中位2.6%(IQR 2.3–3.1%),未发生者2.5%(IQR 2.1–2.8%),p<0.05;校正人口学和PRISM评分后仍与PARDS相关。
- 验证:IMPACC中,使用人肺细胞图谱(HLCA)作为参考集反卷积的ECS%与使用人原代细胞图谱(HPCA)的结果呈正相关(Pearson相关系数0.69,95%CI 0.67–0.71,p<0.0001,n=2993所有时间点)。
- 验证:反卷积与CYTOF测量的浆细胞样树突状细胞(Pearson 0.64)、CD8+ T细胞(0.62)、CD4+ T细胞(0.66)、B细胞(0.70)频率均显著相关,p<0.0001。
证据类型、等级与局限
- 证据类型:两项队列(一项多中心随机临床试验的二次分析,一项多中心观察性队列)。
- 局限:原文报告主要局限性在于难以定义循环内皮细胞的真实特征,文献中缺乏蛋白质特征的共识,转录组特征是从两个参考集外推的。
- 局限:原文报告两个队列在获取bulk RNA的方案上存在轻微差异(CAF-PINT使用PAXgene管全血,IMPACC使用CPT管PBMC),可能影响百分比计算的分母。
- 局限:原文报告未对多重比较进行校正。
对床旁实践的改变
- 作者认为,利用血液bulk测序反卷积测量ECS%在急性病患者中可能不是临床可行的预后手段,需要确定可在实时检测的简约基因集并进一步优化特异性。
- 作者认为,ECS%升高可能识别对内分泌靶向治疗更敏感的ARDS亚组,甚至识别治疗靶点。
- 作者建议,未来研究需将转录组学与内皮特异性蛋白或影像标志物(如CD31+/CD146+/CD45−)整合,并纳入专门设计用于从PBMC组分中富集循环内皮细胞的单细胞RNA测序研究。
- 作者认为,这些发现强调需要在独立、临床多样的ARDS队列中进行前瞻性验证,以明确内皮特征是否代表肺和其他器官内皮损伤通路的早期触发事件。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译15 节 · 点击展开
引言
急性呼吸窘迫综合征(ARDS)是一种异质性病症,死亡率高且治疗手段有限[1–3]。识别与较差预后相关的多种循环生物标志物,可能有助于实现预测性富集,从而为发现新的治疗策略所必需。内皮损伤是儿童和成人急性肺损伤发病机制中的早期关键事件。循环内皮细胞(CECs)在内皮受损后从单层细胞中释放,早在20世纪70年代即有描述[4, 5],其与心肌梗死、恶性肿瘤和血管炎等疾病的严重程度相关[6–10]。在针对ARDS和COVID-19的较小规模研究中,CECs也与较差预后相关[11, 12]。
目前尚无公认的金标准方案用于从循环中识别CECs。近年来,CECs的识别和计数依赖于多通道流式细胞术[11–15],但关于CECs表型定义的分歧,以及染色和设门目标细胞群的方法差异,削弱了CEC计数作为理解内皮损伤在ARDS发病机制中作用或作为ARDS预后标志物的工具的实用性[14, 16, 17]。反过来,靶向循环中内皮细胞转录组特征的方法可能提供一种从血液样本中替代性衡量内皮损伤的手段。我们使用一种无监督的、基于批量转录组的去卷积方法,利用试点队列(CAF-PINT;儿童胰岛素滴定中的凝血与纤溶)[18]和验证队列(IMPACC;COVID-19队列中的免疫表型评估)[19]多中心临床队列,从外周血中量化内皮特征,以探究循环中内皮细胞特征(ECS)的相对丰度是否与呼吸衰竭和ARDS患者/高危患者的较差预后相关。使用该方法,我们发现ECS的丰度与有ARDS风险及患有ARDS的儿童和成人的较差预后相关。
方法
患者人群
我们使用了两个队列。试点分析使用了一个儿科患者队列,这些患者在随机分配至胰岛素滴定以达到较低(80–110 mg/dL)或较高(150–180 mg/dL)血糖目标前96小时内接受有创机械通气(CAF-PINT,NCT01892969,为HALF-PINT的共同入组亚组,NTC01565941,首次访视时n = 244)[18, 20]。CAF-PINT的临床数据和样本在随机化后住院第0、2和4天采集。验证队列包括住院成人COVID-19患者,这些患者有首次访视时可用的RNA测序数据(IMPACC,NCT04378777,首次访视时n = 932)[19]。IMPACC的临床数据和样本在入组时(< 72小时)及住院期间第4、7、14、21和28天采集。生物学样本还在出院后每3个月采集一次,直至12个月。对于两个队列,我们均拥有截至第28天的临床死亡数据。
去卷积算法
我们使用一种基于批量转录组的无监督反卷积方法,从外周血批量RNA中量化内皮细胞特征(ECS),名为GEDIT [21, 22](基因表达反卷积交互工具),以两个独立参考集(见下文)的批量RNASeq数据作为输入进行反卷积分析。该反卷积算法识别“特征基因”,即每种细胞类型的前50个基因,这些基因来源于与实验队列共同的参考集,然后将反卷积分析限制在至少一种细胞类型所包含的基因上。该算法随后通过使用基于非负最小二乘的反卷积,纳入实验队列中所有表达的基因数据,以确定最可能使每个基因的测量表达水平相加的细胞组成。该方法找到最优解,以确定特定样本最可能的总细胞组成。所使用的两个参考集为:人类原代细胞图谱(HPCA)[23]——一个基于对来自745个样本的微阵列数据集衍生的基因表达数据进行荟萃分析的人类原代细胞图谱。使用HPCA,GEDIT识别出50个特征性内皮细胞基因(补充文件)。
人类肺细胞图谱(HLCA)是人类呼吸系统的单细胞转录组图谱,涵盖来自49个数据集的486名供体的数据 [24],被用作反卷积的替代或验证参考集。使用HLCA,GEDIT识别出50个特征性内皮细胞基因(补充文件)
选定的结局和变量
主要结局为28天死亡率;次要结局为基于呼吸序贯评分(IMPACC)[25]纵向聚类或住院期间任何时间点ARDS状态(CAF-PINT)的28天疾病轨迹。调整变量根据临床相关性预先选择,包括人口学特征(种族、民族、年龄、性别)和BMI;对于疾病严重程度指数,IMPACC包括SOFA评分,CAF-PINT使用PRISM-III。最后,CAF-PINT包括随机分配至低或高血糖目标。缺失数据未进行插补。
统计学
连续变量以中位数(IQR)表示。分类变量以n(%)表示。Student's t检验用于检验近似正态分布的两个连续变量之间的统计学差异。Wilcoxon秩和检验用于检验偏态分布的两个连续变量之间的统计学差异。比例的卡方检验用于检验分类变量频率之间的统计学差异。我们使用单因素方差分析(正态分布数据)或Kruskal–Wallis检验(非参数数据)来检验多组之间差异的统计学显著性。Pearson和Spearman相关用于检验两个连续变量之间的线性关系。我们绘制受试者工作特征曲线,以计算CAFPINT中ECS%与死亡率和PARDS结局之间的曲线下面积。我们还运行Hosmer–Lemeshow(HL)检验来评估上述关系的强度。对于HL检验,我们将ECS%分为该模型允许的最大数量的分箱(14个分箱)。
采用单变量和多变量逻辑回归来估计和检验变量与主要和次要结局之间的关系。基于表1和表2中注意到的差异,在分别针对28天死亡率的逻辑回归模型中检验ECS%与疾病严重程度、年龄或血糖目标(后者仅在CAF-PINT中)之间的交互作用。
所有分析均以双侧p值0.05作为统计学显著性标准。我们未对多重比较进行调整。所有分析均在R Studio 4.2.3版本软件上完成。
批量RNA测序
外周血单核细胞(PBMC)纯化和批量RNA测序按先前描述的方法进行[19, 22, 26]。操作细节见补充材料。
血液CyTOF
全血染色和数据采集按先前描述的方法进行[19, 26]。简要而言,样本用43种抗体混合物染色,在Fluidigm Helios质谱流式细胞仪上采集,并使用Fluidigm的CyTOF软件进行归一化和拼接。去除多联体后,细胞被手动注释为细胞类型,细胞群计数矩阵转换为细胞频率。
伦理
详见补充材料。
结果
两个在人口学和临床上存在差异的呼吸衰竭和ARDS患者或高危患者队列
我们比较了两个队列中存活者和非存活者的基线特征。初步分析利用CAF-PINT,这是一项多中心随机临床试验,纳入重症监护室中需要侵入性机械通气的儿科患者,随机分配至较高或较低血糖目标[18, 20]。我们排除了随机化前插管超过96小时的患者。在CAF-PINT中,84%在任何时间点患有ARDS,13%在入组后第28天为非存活者(表1)。基线人口学特征、随机化前侵入性机械通气持续时间或随机分配至任一血糖目标策略在存活者和非存活者之间无差异,但基线严重程度评分(PRISM-III)在死亡结局之间差异显著(表1)。验证队列IMPACC是一个多中心观察性队列,纳入了因COVID-19诊断入住20家参与医院的成人患者(n = 932)。在IMPACC中,11.5%接受插管,12.4%接受侵入性机械通气(IMV)或ECMO,10%在入组后第28天为非存活者。在IMPACC中,未收集ARDS状态数据。IMPACC存活者与非存活者之间年龄差异具有统计学显著性(存活者中位数59,IQR:49–67 vs. 非存活者中位数70,IQR:59–76,p < 0.001,表2),但其他基线人口学特征在组间未观察到差异。与CAF-PINT类似,28天时存活者与非存活者之间基线严重程度评分(存活者SOFA中位数1.0,IQR:0.0–3.0 vs. 非存活者4.0,IQR 1.0–9.0,p < 0.001,表2)和通气需求(入组时存活者中27% vs. 非存活者中70%需要NIV、HFNC、IMV或ECMO,p < 0.001)存在显著差异。
内皮细胞特征丰度与呼吸衰竭恶化相关
我们询问在最早时间点记录的ECS%是否与氧需求恶化(IMPACC)或ARDS患病率(CAFPINT)相关。确实,在CAF-PINT研究期间任何时候发生儿童ARDS(PARDS)的患者基线(第0天)ECS%更高(非PARDS中位数2.5%,IQR 2.1–2.8% vs. PARDS中位数2.6%,IQR 2.3–3.1%,Wilcoxon秩和检验p < 0.05;n = 244,图1)。Hosmer–Lemeshow检验显示CAFPINT中ECS%与死亡率关联的p = 0.8,提示该关联并非仅由大样本量所致,AUC为0.6。
在调整人口学特征和PRISM评分后的单变量和多变量分析中,ECS%也与PARDS的发生显著相关(表S1)。
虽然IMPACC队列未记录ARDS状态,但所有患者在 all 研究时间点均记录了基于WHO量表的改良氧需求序数量表。基于这些序数量表,先前定义了五种呼吸轨迹[25]。基于呼吸轨迹结局,较高的ECS%与IMPACC队列更差的呼吸轨迹相关(最低需求轨迹中位数2.5%,IQR 2.2–2.8%,轨迹组2、3和4均呈统计学显著升高;第28天致命结局的轨迹5为2.9%,IQR 2.6–3.4%,单因素方差分析p < 0.001,n = 932,图2)。
内皮细胞特征丰度与死亡率增加相关
我们查询了ECS丰度与死亡率的关联。在两个队列中,非存活者的ECS丰度均显著高于存活者(CAF-PINT中,第0天非存活者2.8%,IQR 2.4–3.4% vs. 存活者2.6%,IQR 2.2–3.0%,p < 0.05,图3a;IMPACC中,< 72 h非存活者2.9%,IQR 2.6–3.4% vs. 存活者2.7%,IQR 2.3–3.1%,p < 0.0001;图3b)。对于CAFPINT,Hosmer–Lemeshow检验显示P = 0.6,而同一关联的AUC为0.6。对于IMPACC,Hosmer–Lemeshow检验显示P = 0.2,而同一关联的AUC为0.6。IMPACC存活者出院后时间点(第3–12个月)的ECS%低于研究入组后前28天内存活者和非存活者的ECS%(图3b)。
我们通过逻辑回归分析探讨最早记录时间点的ECS%是否与死亡率相关。在CAF-PINT和IMPACC队列中,通过单因素和多因素逻辑回归分析,首次记录时间点ECS的百分比增加与28天死亡率更高的比值比相关。对于CAF-PINT,单因素回归显示基线ECS每增加1%与28天死亡率显著相关(OR 1.80,CI 1.13–2.92,表3)。鉴于幸存者与非幸存者之间PRISM评分存在显著差异,且内皮脱落/损伤也可能受基线疾病严重程度影响,我们检验了基线ECS%与PRISM评分对28天死亡率结局是否存在交互效应,但未发现显著交互作用(OR 1.01,CI 0.96–1.08,p = 0.48)。鉴于CAF-PINT参与者被随机分配至两个血糖目标之一,且考虑到血糖差异可能影响内皮脱落/损伤,我们检验了ECS丰度与随机化分组之间是否存在交互作用。同样,我们未发现血糖目标随机化与ECS%对28天死亡率结局之间存在显著交互作用(OR 1.44,CI 0.53–4.11,p = 0.48)。经多因素逻辑回归调整人口学特征、年龄、PRISM评分和血糖随机化分组后,基线ECS%与28天死亡率呈线性相关(OR 1.55,CI 0.91–2.61,表3)。对于IMPACC,单因素回归显示ECS每增加1%与28天死亡率显著相关(OR 1.48,CI 1.18–1.84,表4),经多因素逻辑回归调整人口学特征、SOFA评分和BMI后仍显著相关(OR 1.36,CI 1.03–1.79,表4)。鉴于IMPACC试验幸存者与非幸存者之间年龄和SOFA评分存在显著差异,我们检验了基线ECS%与年龄或基线SOFA评分对28天死亡率结局是否存在交互效应,因为年龄和基线疾病严重程度均可能影响ECS丰度和死亡率,但未发现显著交互作用(ECS%与SOFA交互作用p = 0.8,ECS%与年龄交互作用p = 0.4,均为死亡率结局)。
IMPACC研究中去卷积测量的验证
我们使用IMPACC队列以两种方式对去卷积输出进行交叉验证。我们首先检验了观察到的结果是否依赖于去卷积所用参考数据集的选择。对于前述分析,我们使用HPCA数据集[27],因为它包含了预期存在于循环中的最全面的细胞列表。随后我们查询了当使用人类肺细胞图谱[24](HLCA)作为参考集时这些发现是否会被重复,HLCA是一个人类呼吸系统的单细胞转录组图谱,涵盖来自49个数据集的486名供体的数据。我们注意到,与HPCA去卷积相比,源自HLCA去卷积的ECS%之间存在显著正相关(图4,Pearson相关系数0.69,CI 0.67–0.71,p < 0.0001)。源自肺参考集的ECS%在入组< 72小时时测量,幸存者相比28天非幸存者显著更低(中位数2.0%,IQR 1.7–2.3% vs. 非幸存者2.1% IQR 1.9–2.5%,p值< 0.0001,Wilcoxon秩和检验)。
我们最后评估了入组< 72小时时ECS%的分布(源自肺参考集),并比较了上述不同呼吸轨迹之间的范围。我们再次发现无氧需求患者(轨迹1)与呼吸轨迹恶化患者之间< 72小时ECS%存在统计学显著差异(轨迹1/无需求中位数1.8%,IQR 1.7–2.2%;轨迹5/第28天致命结局中位数2.1%,IQR 1.9–2.2%,p < 0.001,n = 932,单因素方差分析;轨迹1与轨迹5之间成对cox回归p < 0.0001,图5)。
作为第二种验证方法,鉴于对于用于循环内皮细胞计数的适当蛋白质特征缺乏共识,作为原理验证,我们利用PBMC组分中其他低频率(5%)存在且具有明确蛋白质特征的细胞数据,来评估去卷积与CYTOF[26]所获定量输出之间的相关性。在IMPACC中具有已测量CYTOF特征且也被去卷积识别的细胞中,浆细胞样树突状细胞(DCs)、CD8 + T细胞、CD4 + T细胞和B细胞的去卷积频率同样较低,与该特定队列的内皮细胞特征相当(浆细胞样DCs:中位数3.0% IQR 2.4–3.6%;CD8 + :中位数4.1% IQR 2.1–6.3%;CD4 + :中位数0.5% IQR 0.0–4.9%,以及B细胞:2.1%,IQR 0.5–4.0%,相比ECS:中位数2.5% IQR 2.1–2.9%)。对于所有三种细胞类型,去卷积与CYTOF输出之间存在统计学显著的Pearson相关(补充表S2;浆细胞样树突状细胞Pearson相关系数0.64,p < 0.0001;CD8 + 细胞Pearson相关系数0.62,p < 0.0001,CD4 + 细胞Pearson相关系数0.66 p < 0.0001,B细胞Pearson相关系数0.70 p < 0.0001)。总之,对于循环中特征明确的细胞群体,去卷积与CYTOF定量的细胞具有显著相关性,即使这些群体稀少(< 5%)。
讨论
在此,我们呈现了关于ARDS患者或ARDS高危患者循环中早期内皮细胞转录组特征与结局恶化之间关联的新发现。本研究的优势在于纳入了两个非常不同的队列——验证队列在临床和人口学上与初步分析不同,但证实了我们在原始分析中发现的总体关系。CAF-PINT几乎完全由插管患者组成,这使初始分析富集了更严重的呼吸结局。IMPACC纳入了更多疾病进程早期的患者,并提供了查询呼吸衰竭高危人群结局的机会,从而能够评估整个住院期间的呼吸疾病轨迹。此外,两个队列涵盖了非常宽的年龄跨度——包括婴儿在内的儿科人群;以及包括老年人群在内的成人人群。因此,这些发现支持以下推论:内皮细胞特征丰度升高(内皮损伤的替代指标)是不同患者人群中呼吸衰竭结局恶化的重要早期事件。
本研究的主要局限在于难以界定循环内皮细胞的真实特征——文献中缺乏蛋白质特征的共识,而转录组特征是从两个参考数据集外推而来,这些数据集输入了多种内皮细胞类型,包括单层培养的组织特异性内皮细胞以及培养中的悬浮内皮细胞等。未来研究需要将转录组学与内皮特异性蛋白或影像标志物(例如CD31+/CD146+/CD45−)相结合,并纳入专门设计用于鉴定从PBMC组分中富集的循环内皮细胞的单细胞RNA测序研究[28],以进一步描绘CECs的精确转录组特征。尽管如此,GEDIT算法是一个强大的工具,它整合了多种内皮细胞的细微特征,因此可能为循环中这些细胞的计数提供更高的灵敏度。此外,我们通过将GEDIT(基于转录组)与CYTOF(基于表面蛋白标志物)对特征明确的低频细胞的计数进行相关性分析,间接测试了GEDIT算法的性能,发现实验方法之间存在显著相关性,尽管各检测方法之间存在差异(一种测量总RNA,另一种测量有限数量的表面蛋白标志物),这一发现仍令人惊讶。已有充分文献记载,并非所有mRNA最终都表达为蛋白质水平,而当它们表达时,也并非所有mRNA都表达为易于检测的表面抗原。因此,尽管mRNA与蛋白质之间的路径存在翻译缺陷——而这正是这两种检测方法设计所要测量的——但在细胞类型计数中发现相关性尤其令人放心。最后,CECs的脆弱性使其特别容易受到操作的影响,这就是为什么GEDIT去卷积——在所有条件下分析外周血的大块RNA——可能是量化稀有且脆弱细胞类型的更灵敏方法。
值得注意的是,两个队列在获取大块RNA方面存在轻微的方案差异——CAFPINT捕获了收集在PAXgene管中的全血转录组,IMPACC捕获了收集在CPT管中的PBMCs转录组。这可能影响了每种细胞类型计算百分比时的分母,因为全血可能捕获更广泛的细胞类型。在实践中,人们可以设想PBMC群体之外的细胞是否具有足够的转录活性,从而对所观察到的总群体产生更大的影响。由于我们未比较队列之间的绝对数量,而更关注结果是否与结局保持相似的关系,这些方法学差异的后果并未偏离主要发现。关于统计方法,一个局限性是我们未进行多重比较校正,然而我们确实在两个独立队列中发现了一致的关联。
除两个队列外,我们还使用了两个细胞转录组参考集来验证我们的去卷积数据,并减轻对任何单一参考集会使我们的数据偏向于捕获某些细胞亚型的担忧。我们选择人类原代细胞图谱(HPCA)作为主分析的参考集,因为它最为全面,且能捕获循环中预期可见的各种细胞。由于HPCA包含去分化的细胞系如HUVECs,这可能降低预测内皮细胞特征的特异性,我们纳入了一个专门整合了肺样本组织特异性RNA测序的参考集。该数据集推测提高了捕获最可能处于单层状态的成熟内皮细胞的特异性,同时推测降低了对捕获未附着内皮细胞或非肺来源内皮细胞的敏感性。两个不同参考数据集输出之间的高度相关性令人瞩目,可能反映了IMPACC中显著的肺损伤。尽管如此,从每个参考集估计的ECS%与主要和次要结局之间具有保守关系的观察结果,强化了我们方法的有效性。
据我们所知,这是首次发表的研究,评估循环EC特征丰度随时间的变化轨迹。研究招募后早期即观察到ECS%升高。这在IMPACC中尤为显著,其中一些患者因COVID诊断就诊但无呼吸衰竭。鉴于IMPACC首个样本在入组72小时内采集,值得注意的是,即使在这一早期时间点,ECS%也与呼吸轨迹恶化和28天死亡率相关。这可能支持内皮损伤测量作为有呼吸衰竭风险患者死亡率和呼吸结局早期标志物的重要病理生理作用和潜在预后价值。此外,非存活者28天内ECS%的平台化(图1b)可能支持在早期检测机会已过后的较晚时间点定量循环内皮特征用于预后评估的实用性。
就目前而言,利用血液的批量测序继而通过反卷积来测量ECS%很可能不是一种临床上可行的用于急重症患者预后判断的手段——这需要确定一个可在实时检测中测量的简约基因集,并且该基因集需进一步优化以提高信号特异性以对应内皮损伤。尽管如此,本文所描述的发现提出了内皮损伤促进ARDS并且可能持续多日的可能性。事实上,循环中ECS%的早期升高可能既反映了循环中受损的内皮细胞(ECs),也可能反映了先天免疫反应触发其他细胞如血小板、巨核细胞和白细胞表达传统上与内皮招募及白细胞向损伤部位跨内皮迁移相关的信号,所有这些都反映了内皮屏障丧失在肺损伤和功能障碍中的核心作用。ECS%的升高还可能识别出对以内皮为靶点的治疗更敏感的ARDS亚组,甚至可用于识别治疗靶点。因此,这些发现强调了在独立的、临床多样化的ARDS队列中进行前瞻性验证的机会,以探讨ARDS患者的内皮特征如何代表肺及其他器官内皮损伤通路中的早期启动事件。
结论
通过批量RNA反卷积定量ECS丰度支持内皮损伤在有呼吸结局恶化和死亡风险的重症儿科和成人患者呼吸衰竭中的作用。未来研究可能识别出一个简约的基因特征,可用于对ARDS风险患者进行预后和预测性富集。
补充信息
附加文件1。
附加文件2。
参考来源
- Costa Monteiro AC, Pickering H, Sarma A, et al. Circulating endothelial signatures correlate with worse outcomes in COVID-19, respiratory failure and ARDS. Crit Care. 2025. PMID: 41088445. doi:10.1186/s13054-025-05596-0
- 全文:PMC12522733(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12522733/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。