成人脓毒症基因组与整合性进展生物标志物的发现:迈向临床分层与精准医学
该综述系统汇总截至2026年5月的成人脓毒症分子生物标志物研究,涵盖遗传关联研究、多基因风险评分(PRS)、孟德尔随机化(MR)、罕见变异测序、转录组与蛋白组内型分型及多组学整合。文中指出临床评分(SOFA、qSOFA、SAPS、APACHE)虽用于风险分层,但对生物学异质性洞察有限;CRP、PCT、presepsin、IL-6等单个诊断标志物预测进展和结局能力有限,加入MR-proADM、angiopoietin-2、suPAR及特定miRNA可增强预后准确性。遗传学方面,候选基因研究结果多不可重复,GWAS样本量不足且多数发现未能复制;MR提示ANG-2与sRAGE为脓毒症相关ARDS的因果中间物和候选治疗靶点;WES提示罕见有害变异负荷可预测病程。总体而言,宿主遗传学目前对成人脓毒症精准管理直接应用有限,PRS尚不具备临床实施条件。
要点
- SOFA、qSOFA、SAPS、APACHE等临床评分仅反映器官功能障碍,相同SOFA评分患者免疫特征与结局可显著不同,无法捕捉生物学异质性。
- CRP、PCT、presepsin、IL-6等单个诊断标志物对脓毒症进展与结局预测能力有限;加入MR-proADM、angiopoietin-2、suPAR及特定miRNA可增强预后准确性。
- 脓毒症GWAS数量少、样本量不足,多数发现未能复制;最大meta分析利用电子健康记录比较60,314例脓毒症与1,464,733例人群对照,报告4个遗传位点,包括SERPINA1错义变异。
- 孟德尔随机化提示遗传预测的血浆ANG-2水平与脓毒症患者ARDS风险显著相关,血浆sRAGE在两个脓毒症队列中显示对ARDS风险的一致因果效应。
- 宿主遗传学目前对成人脓毒症精准管理直接应用有限;PRS因样本量、判别能力有限及欧洲血统偏倚,尚不可用于临床实施。
适用人群与场景
- 成人脓毒症患者,涵盖从早期器官功能障碍到脓毒性休克及多器官功能障碍综合征的病程阶段。
- 综述覆盖遗传、转录组、蛋白组及整合策略研究,时间截至2026年5月。
- 原文提及的GWAS人群包括成人ICU肺炎诱导脓毒症患者、脓毒性休克患者、术后脓毒症患者等。
- 原文未提及急诊 / 院前场景的具体适用人群或排除标准。
诊断标准与关键阈值
- 脓毒症定义为由感染引起宿主反应失调所致危及生命的器官功能障碍。
- 脓毒性休克以严重的循环、细胞和代谢异常为特征。
- 临床评分系统包括SOFA、qSOFA、SAPS、APACHE,用于风险分层和床旁评估,但原文未给出具体评分界值或启动/停止阈值。
- 原未提及基于生物标志物的诊断界值或治疗启动阈值。
处置流程与药物剂量
- 原文未提及具体的急诊 / ICU处置流程或药物剂量方案。
- 生物标志物指导的精准免疫治疗分层在原文中被提及可改善患者多器官功能障碍,但未给出具体药物、剂量、途径或疗程。
- 对严重或反复感染,原文认为最具可操作性的遗传学方法是基于测序的研究,如同目前用于先天性免疫缺陷诊断;若发现与表型相关的单基因变异,可提供分子诊断并影响患者管理,但原文指出这仍远未成为成人脓毒症常规临床实践。
- 孟德尔随机化可指导药物开发、优先排序因果治疗靶点,但不直接指导床旁决策,因为遗传证据提示的是「靶向什么」而非「治疗谁」或「何时干预」。
红旗征与不能漏的情况
- 原文未提及需要立刻处理或不能漏诊的具体红旗征及对应处理。
研究设计与关键结果
- 综述类型:叙述性综述,汇总截至2026年5月的遗传、转录组、蛋白组及整合策略研究。
- 脓毒症GWAS:三项易感性GWAS中,D'Urso等在脓毒性休克患者中未发现稳健的全基因组显著变异;Engoren等在脓毒症患者中未发现全基因组显著位点;Vaquerizo-Villar等在术后脓毒症中优先排序易感性变异但无外部验证。
- 脓毒症死亡GWAS:四项研究分别报告FER、VPS13A、CISH、SAMD9等位点;其中FER与28天生存的关联复制存在争议,Hinz等报告FER与90天生存显著相关但样本量小。
- 最大meta分析(Tan等)利用电子健康记录比较60,314例脓毒症与1,464,733例人群对照,报告4个遗传位点,包括SERPINA1错义变异,该变异在英国生物库中也与30天脓毒症死亡相关。
- PRS:Engoren等构建的Sepsis-2和Sepsis-3 PRS区分脓毒症与非脓毒症对照的c-statistic均为0.752,但是否超越常规临床变量未知;Hernandez-Beeftink等发现脓毒症易感性PRS与生存结局在任何显著性阈值下均无关。
- MR:Reilly等发现遗传预测的血浆ANG-2水平与脓毒症患者ARDS风险显著相关;Jones等在两个脓毒症队列中估计血浆sRAGE对ARDS风险有一致因果效应。
- 测序:迄今无脓毒症WGS研究,所有测序队列研究均基于WES且样本量有限;罕见有害变异负荷可预测病程,Gαq信号、Toll及CDC42通路罕见变异可区分良好与不良结局;最大WES脓毒症研究识别9个与ARDS风险相关的生物学连接基因簇,最显著为TLR级联。
- 转录组:Septicyte四基因panel可区分脓毒症与感染阴性全身炎症;一项纳入超过17,000例患者的meta分析显示Septicyte转录组特征在区分脓毒症与SIRS方面优于CRP和降钙素原。
证据类型、等级与局限
- 证据类型:叙述性综述,汇总遗传关联研究、GWAS、PRS、MR、WES/WGS、转录组和蛋白组研究。
- 原文未给出系统性的证据等级或推荐强度分级。
- 局限:脓毒症GWAS数量少、样本量不足以在全基因组显著性阈值下检测复杂性状的微小效应;临床异质性、对照选择困难、缺乏欧洲以外遗传 ancestry 的代表性;候选基因研究结果多不可重复(winner’s curse效应);PRS判别能力有限且研究以欧洲血统为主;测序研究样本量小、无WGS研究;宿主遗传学目前对成人脓毒症精准管理直接应用有限。
对床旁实践的改变
- 原文提示临床不应仅依赖SOFA、qSOFA等评分判断生物学异质性或指导精准治疗选择,相同SOFA评分患者免疫特征与结局可显著不同。
- 单个诊断标志物(CRP、PCT、presepsin、IL-6)预测脓毒症进展和结局能力有限,原文建议将MR-proADM、angiopoietin-2、suPAR及特定miRNA等进展标志物加入临床评估以增强预后准确性。
- 原文明确指出孟德尔随机化不直接指导床旁决策,遗传证据提示「靶向什么」而非「治疗谁」或「何时干预」。
- PRS目前因样本量、判别能力有限及欧洲血统偏倚,尚不可用于临床风险分层。
- 对严重或反复感染,基于测序的遗传学检测可考虑用于发现单基因变异并提供分子诊断,但原文强调这仍远未成为成人脓毒症常规实践。
- 原文未提及对急诊 / ICU具体操作流程的改变或不适用人群。
指南或共识出处
- 原文为发表于Ann Intensive Care的综述,标题为「Genomic and integrative based progression biomarker discovery in adult sepsis: toward clinical stratification and precision medicine.」,原文未提及具体指南或共识名称。
全文中译17 节 · 点击展开
背景
脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍,构成重大全球健康问题[1]。估计医院发病率为每10万人年189例成人脓毒症患者,死亡率为26.7%,近四分之一患者无法存活[2]。临床上,脓毒症可从早期器官功能障碍进展为脓毒性休克(以严重的循环、细胞和代谢异常为特征)等严重形式,并可最终导致多器官功能障碍综合征,死亡率超过40%[1,3]。
临床评分系统,如序贯器官衰竭评估(SOFA)[4]、快速SOFA(qSOFA)[5]、简化急性生理学评分(SAPS)[6]或急性生理学与慢性健康状况评价(APACHE)[7],为风险分层和床旁评估提供了实用工具。尽管在临床实践中常规使用,但它们对驱动疾病进展的生物学异质性和分子机制的洞察有限[1,8]。SOFA评分相同的患者可表现出显著不同的免疫特征和结局,表明当前评分测量器官功能障碍但未能捕捉潜在的生物学多样性[9]。
为填补这一空白,人们对识别反映脓毒症时间和生物学复杂性、捕捉动态和异质性宿主反应的遗传和其他分子生物标志物的兴趣日益增长[10]。宿主免疫反应从由细胞因子风暴和内皮激活驱动的初始高炎症阶段,演变为以T细胞耗竭、单核细胞HLA-DR表达降低和继发感染易感性增加为特征的免疫抑制或免疫麻痹状态[11]。尽管个体炎症诊断生物标志物,如C反应蛋白(CRP)、降钙素原(PCT)、presepsin(sCD14-ST)和白细胞介素-6(IL-6)改善了感染和脓毒症的早期检测,但其预测疾病进展和结局的能力仍然有限[12,13]。近期证据表明,在临床评估中加入进展生物标志物,包括中段前肾上腺髓质素(MR-proADM)、血管生成素-2、可溶性尿激酶纤溶酶原激活物受体(suPAR)和特定微小RNA(miRNA),可显著提高预后准确性,超越仅使用基线诊断生物标志物[[14], [15], [16], [17]]。
早期分子特征描述开始为治疗选择提供信息,生物标志物引导的精准免疫治疗分层显示改善了患者的多器官功能障碍[18,19]。本综述全面且最新地概述了截至2026年5月用于识别脓毒症病程和预后预测因素的最相关遗传学、转录组学、蛋白质组学和整合方法。
宿主遗传学方法识别分子生物标志物
遗传生物标志物代表基因组变异的单位,是可测量的DNA或RNA特征,具有已知的基因组坐标。这些包括单核苷酸多态性(SNPs)、突变、插入或缺失,或结构变异。它们可能与易感性、进展或治疗反应相关[20]。流行病学研究表明,传染病的易感性和进展具有显著的遗传成分。例如,SARS-CoV-2易感性和严重程度的双生子研究遗传率估计分别为30–65%和41%[21,22]。
脓毒症的遗传结构主要通过候选基因研究来探索,这些研究聚焦于编码模式识别受体(PRRs)、细胞因子、凝血调节因子和先天体液免疫蛋白的基因中的单个变异[23]。Toll样受体(TLR)及其共受体的遗传变异调节病原体识别。TLR4、TLR2、CD14和NOD2在多项研究中与脓毒症风险相关,尽管它们之间的关联不一致[[24], [25], [26]]。促炎和抗炎细胞因子基因(如TNF、IL6、IL10和IL1RN)中的候选SNPs已被广泛研究,但显示出微小且依赖于情境的效应。凝血调节因子的遗传变异主要具有预后价值。编码PAI-1的SERPINE1中的变异与脓毒症易感性和死亡率相关[[27], [28], [29]]。关于先天体液免疫,与甘露糖结合凝集素降低相关的MBL2变异与肺炎球菌脓毒症死亡率相关[30,31],但一项更大的队列研究发现无关联[32]。
这些候选基因研究实例遵循经典的假设驱动方法,探究基于已知或 presumed 生物学功能预先选择的有限基因变异集。脓毒症中的候选基因关联研究产生了很大程度上不一致且不可复制的遗传预测因子[33],挑战了对研究结果的解释。这种不一致主要是“赢家诅咒”效应的后果,即每个新的遗传关联在发现研究中被系统性地高估[34]。当时,需要方法学和统计程序的标准化。为此,采用全基因组筛选方法一直是获得稳健遗传预测因子证据和更好理解复杂疾病多基因结构的关键[35]。
全基因组关联研究
全基因组关联研究(GWAS)是一种标准方法,涉及数千例病例(患病)和无关对照(未患病),同时探究全基因组中数十万个常见遗传变异(一般人群中次要等位基因频率>1%)。基于统计遗传学方法,GWAS在无先验生物学假设的情况下识别病例和对照之间等位基因频率具有统计学显著差异的遗传坐标[36,37]。与候选基因研究不同,GWAS能够识别新位点、阐明先前未知的致病机制,并报告新的潜在治疗靶点[35]。
尽管具有潜力,但很少有全基因组关联研究(GWAS)聚焦于脓毒症,迄今为止仅有少量研究关注危重症患者。目前有三项脓毒症易感性GWAS。D'Urso等[38]在脓毒性休克患者中进行了GWAS,但未发现稳健的全基因组显著变异。同样,Engoren等[39]在脓毒症患者中进行了GWAS,未识别出全基因组显著位点。更近期,Vaquerizo-Villar等[40]将可解释人工智能方法应用于术后脓毒症患者的GWAS数据,对易感性变异进行了优先级排序,但未经外部验证。
迄今为止已进行了四项脓毒症死亡率的GWAS。Rautanen等[41]报道了FER酪氨酸激酶基因中的常见变异与成人ICU肺炎诱导脓毒症患者的28天生存率强烈相关。然而,复制结果存在争议,一项独立尝试未能成功[42],而Hinz等[43]报道FER与ICU患者90天生存率之间存在显著关联,尽管该研究受限于样本量较小[33]。Scherag等[44]识别出VPS13A中的一个错义变异与成人脓毒症患者的28天死亡率相关,同时有汇聚证据涉及CRISPLD2(此前与降钙素原水平相关)和13号染色体位点。在一项脓毒性休克患者的研究中,Rosier等[45]识别出CISH基因内的变异,该基因参与细胞因子信号的负调控,与死亡率(第7–28天)强烈相关。功能性CRISPR-Cas9证据和荧光素酶实验支持其机制作用。第四项28天脓毒症死亡率GWAS由Hernandez-Beeftink等[46]进行,识别出SAMD9中的一个错义变异,该基因编码组织损伤炎症反应的潜在介质。更近期,Tan等[47]进行了迄今为止最大的荟萃分析。与以往使用临床特征明确病例的脓毒症GWAS相反,作者利用电子健康记录在大型生物样本库中比较了60,314例脓毒症病例与1,464,733例人群对照。该研究报告了四个遗传位点,包括SERPINA1中的一个错义变异,该基因编码α-1抗胰蛋白酶,且在英国生物样本库中亦与30天脓毒症死亡率相关。
共有三项研究考察了脓毒症相关呼吸系统并发症,如急性呼吸窘迫综合征(ARDS)。Guillen-Guio等[48]识别出FLT1中的一个变异与脓毒症相关ARDS易感性相关,功能实验证实了该等位基因对FLT1启动子活性的特异性效应。更近期,迄今为止最大的ARDS GWAS识别出HMGCR附近的一个变异,将胆固醇代谢与ARDS风险相关联,尽管在两个独立验证队列中尽管效应方向一致但未达到名义显著性[49]。一项脓毒症相关急性肾损伤(AKI)的GWAS对CHRNA7、NR5A2和SUFU(此前与肠杆菌科菌血症患者的肾功能相关)进行了优先级排序,但均未达到全基因组显著性[50]。
脓毒症领域全基因组关联研究(GWAS)数量有限,且大多数发现始终无法重复,这反映了一个根本性的方法学约束。具体而言,研究样本量不足以达到在全基因组显著性阈值下检测复杂性状预期中等效应量所需的稳健统计效能[36]。其他挑战包括病例的临床异质性、合适的对照选择,以及缺乏欧洲遗传 ancestry 之外的人群多样性代表性。从一般人群中选取对照可能纳入曾经发生或将会发生脓毒症的个体,引入潜在偏倚[46]。然而,其他感染性疾病中的敏感性分析提示,这可能不会实质性偏倚效应量估计,正如在 COVID-19 中所观察到的[51]。通过大型国际联盟增加样本量代表了最可行的前进路径。COVID-19 的经验说明了这一点,利用人群对照促进了跨生物样本库超过 200,000 例病例和 300 万例对照的汇总,使得能够识别 51 个全基因组显著位点并绘制易感性和严重程度背后的三条主要生物学通路[52]。
多基因预测因子
多基因风险评分(PRS)汇总与某一性状相关的众多遗传变异的效应,根据 GWAS 估计的效应量对每个变异进行加权,以生成个体水平的遗传易感性估计[[53], [54], [55]]。除个体风险分层外,PRS 已被证明可用于定义异质性患者群体中的内型、证明跨性状共享的遗传架构、指导预防策略、优化试验参与者选择以及识别新的治疗靶点[56,57]。
对于脓毒症,PRS 模型鲜有使用。Engoren 等[39]从以欧洲 ancestry 为主的队列的 GWAS 数据中构建了针对 Sepsis-2 和 Sepsis-3 定义的 PRS,证明汇总中等遗传效应可区分脓毒症患者与非脓毒症对照(两种定义的 c 统计量均为 0.752)。然而,PRS 是否在常规可获得的临床变量之外增加预测价值仍不清楚。使用跨性状 PRS 方法,D'Urso 等[38]表明 CRP 水平的 PRS 与脓毒性休克相关,而血细胞比容和粒细胞计数的 PRS 与 28 天死亡率相关,提示脓毒症易感性和进展背后的遗传易感性部分不同。Hernandez-Beeftink 等[46]进一步支持了这一点,他们发现脓毒症易感性的 PRS 在任何显著性阈值下均与生存结局无关,且先前报道的脓毒症死亡率变异均未得到重复。除急性风险外,PRS 和多性状遗传分析有望阐明脓毒症与 ARDS 之间共享的致病机制,对药物重定位和新治疗靶点具有潜在意义[58]。
然而,PRS在危重感染性疾病中的转化潜力在COVID-19中得到了最有说服力的体现,大型国际联盟的快速组建使得能够构建统计效能充分的评分[51]。例如,全基因组PRS最高十分位的个体相比中位风险者罹患重症的风险超过两倍[59],而COVID-19 PRS的通路分析揭示了免疫相关通路中变异的富集,包括寡腺苷酸合成酶抗病毒反应和IL-10信号传导,提供了一个直接指导治疗靶点识别的机制性框架[60,61]。COVID-19 PRS还揭示了急性感染性疾病与慢性肺病之间的遗传联系。特发性肺纤维化的PRS与COVID-19住院和重症显著相关,共享变异富集于钙黏蛋白和整合素信号通路,提示慢性纤维化肺病的遗传易感性可能影响急性感染的严重程度和感染后肺部后遗症[62]。
从关联到因果
脓毒症生物标志物研究的一个关键挑战在于,循环分子或遗传变异可能与不良结局密切相关但并非实际致病因素。区分因果性贡献疾病的生物标志物与仅相关但无因果关系的标志物至关重要,因为只有前者才是合理的治疗靶点。孟德尔随机化(MR)是一种分析方法,利用胚系遗传变异作为工具变量,评估可修饰暴露(如循环蛋白水平)与临床结局之间的观察性关联是否具有因果性[[63], [64], [65]]。MR的可靠性源于遗传继承。胚系变异在受孕时即已固定并在减数分裂时随机分配,不受限制观察性测量的混杂因素和反向因果的影响。因此,与暴露稳健相关的遗传变异可作为代理变量。在脓毒症中,许多急性炎症期生物标志物与结局相关但缺乏明确的因果作用,MR可优先识别处于因果通路上的标志物,分离出最有前景的治疗靶点[66]。
MR在脓毒症中应用甚少。两项研究展示了其在脓毒症相关ARDS中的应用。Reilly及其同事使用MR和中介分析研究血浆ANG-2——一种经典的血管通透性生物标志物[67]。他们发现基因预测的血浆ANG-2水平(由ANGPT2变异决定)与脓毒症患者的ARDS风险显著相关,支持其作为ARDS发生的潜在因果因素[67]。Jones及其同事评估了血浆sRAGE(可溶性晚期糖基化终末产物受体)作为ARDS的因果中介。选取遗传工具变量作为其水平的预测因子,他们在两个脓毒症队列中估计出血浆sRAGE对ARDS风险的一致因果效应,支持sRAGE升高导致ARDS[68]。总之,这两项研究表明ANG-2和sRAGE是脓毒症相关ARDS的因果中介和候选治疗靶点。
基于测序的研究与罕见变异所分配的风险
迄今为止讨论的遗传学方法均基于常见遗传变异,即存在于超过1%人群中的变异。然而,常见变异仅能解释脓毒症遗传易感性及其并发症的一部分,另一互补部分可能由罕见变异贡献[69]。要捕获等位基因频率谱中的这一部分,需要直接对基因组或特定区域进行测序,这推动了下一代测序(NGS)在危重症人群中的应用,因为在该人群中常见和罕见变异均可能影响免疫反应、疾病严重程度和结局。
NGS可同时对数百万个DNA片段进行测序,提高了通量、准确性和每碱基成本,同时能够鉴定覆盖全频率谱和受影响序列类型的遗传变异[70,71]。全基因组测序(WGS)覆盖编码区和非编码区序列,而全外显子组测序(WES)靶向蛋白质编码部分(约占基因组的1%),该部分富集了更可能致病的变异。靶向 panel 将应用限制于与表型相关的基因[71]。总之,这些方法使得能够系统评估基因组变异,以优先筛选候选生物标志物。
在脓毒症中,WGS和WES提供了一种很大程度上无假设的策略,用于揭示传统基因分型未能捕获的宿主遗传易感性[70,71]。迄今为止,尚无WGS研究在脓毒症中开展,所有测序队列研究均依赖WES,且大多包含数量有限的病例和对照。一项研究表明,脓毒症患者中罕见有害变异的负荷(而非任何单个基因)可预测疾病进程。细胞信号传导和先天免疫通路中的罕见变异,尤其是Gαq信号传导、Toll和CDC42,可区分有利与不良结局[72]。这表明,罕见变异的总负荷本身可能作为预后的基因组标志物,而非指向单个因果基因。在一项关于感染性暴发性紫癜(脓毒症伴凝血病的一种极端表型)的研究中,Bendapudi等[73]使用基于通路的罕见变异负荷检验,发现补体系统中低频、推定功能改变变异的负荷显著增加。功能表征显示,补体受体CR3(ITGAM/ITGB2)和CR4(ITGAX/ITGB2)中的变异导致抗炎性CR3功能丧失和/或促炎性CR4功能获得,在调整年龄、性别和疾病严重程度后,每增加一个补体变异即增加暴发性紫癜的风险。在迄今为止最大的WES脓毒症研究中,符合额外有害预测标准(合格变异)的罕见变异在分子相互作用知识的辅助下聚集成簇,以应对遗传异质性[74]。该研究鉴定了九个生物学上相连的基因簇,富集于与ARDS风险相关的不同通路,最显著的是TLR级联反应[74]。综上所述,这些发现强调有害遗传变异可作为基因组预后预测因子,且所涉及的基因和通路为生物标志物的发现提供了指导。
罕见变异分析也可影响感染反应,正如COVID Human Genetic Effort(CHGE)在重症COVID-19中所展示的那样。在将I型干扰素免疫基因中的罕见变异与危及生命的疾病联系起来之后[75],Asano及其同事聚焦于X连锁基因TLR7。他们结合全基因组测序(WGS)和全外显子组测序(WES)、患者细胞实验以及家系研究,在1,202名重症COVID-19男性患者中的16例中发现了非常罕见的有害TLR7变异,而在331名轻症感染男性中均未发现。患者细胞对TLR7刺激无反应,针对SARS-CoV-2产生的I型干扰素很少,且这些变异通过16个家系追踪,主要为遗传性。这确立了X连锁TLR7缺陷是60岁以下男性危及生命SARS-CoV-2感染的高外显率病因(占病例的1.8%),说明了测序如何从统计关联走向已证实的遗传因果关系[76]。因此,NGS补充了基于常见变异的方法,在脓毒症中确立因果关系并识别基于机制的候选生物标志物。
关于临床可转化性,来自宿主遗传学的知识目前在脓毒症精准管理中直接应用仍然有限(图1)。在存在严重或反复感染证据的情况下,最具可操作性的遗传学方法是基于测序的研究,因为如今该方法已用于先天性免疫缺陷诊断[77]。发现与表型相关的单基因变异阳性结果可能意味着分子诊断可指导患者管理。然而,这仍远未成为成人脓毒症患者的常规临床实践。虽然孟德尔随机化(MR)通过优先考虑因果治疗靶点来指导药物开发,但它并不直接指导床旁决策,因为遗传学证据表明的是靶向什么,而不是治疗谁或何时干预。从长远来看,基于祖先多样性GWAS的稳健多基因风险评分(PRS)模型可能在患者中实现遗传风险分层。然而,这些研究目前的样本量、常见遗传变异(单独或作为PRS模型的一部分)有限的区分能力,以及研究的欧洲中心偏倚意味着这尚未能在临床实施中可行。
转录组学
转录组是在特定条件下细胞或组织中表达的全部RNA集合,与相对稳定的基因组不同,它具有高度动态性,反映细胞的功能状态[78]。它包括信使RNA(mRNA)和调控性非编码RNA(ncRNA),如miRNA和长链非编码RNA(lncRNA)[79,80],主要通过RNA测序或微阵列平台进行分析,以量化整体基因表达变化[78,80]。其中大部分进展源于全血转录组学,其可预测脓毒症亚型(图2)。
优先确定单一转录组生物标志物仍然困难,因为这些研究通常依赖于基因集的协同过表达或低表达,而非孤立的转录本。通过外部验证的单细胞转录组谱分析鉴定出S100A11(一种钙结合损伤相关分子模式(DAMPs),通过RAGE和TLR4促进炎症)、QPCT(一种通过焦谷氨酸形成稳定单核细胞趋化蛋白CCL2的酶)和IFITM2(一种干扰素诱导的抗病毒蛋白,增强I型IFN信号传导)为脓毒症期间免疫细胞中上调的候选生物标志物,其中QPCT主要在巨噬细胞中表达,且三者均与预后相关[81]。
多基因特征在诊断和预后目的上均优于单个转录本。在诊断区分方面,一个五基因特征(CMTM5、CETP、PLA2G7、MIA和MPP3)在多中心ICU队列中将脓毒症与全身炎症反应综合征(SIRS)区分开来[82],商业化Septicyte四基因panel可将脓毒症与感染阴性全身性炎症区分开来[83]。一项纳入超过17,000例患者的荟萃分析显示,Septicyte转录组特征在区分脓毒症与SIRS方面优于CRP和降钙素原[84]。
mRNA转录组学
在预后分层方面,已开发出多种mRNA转录组内分型系统。Davenport等人[85]定义了两种脓毒症反应特征(SRS):SRS1以免疫抑制、HLA II类分子下调及较高死亡率为特征;SRS2则反映一种不同的免疫状态。这些特征揭示了脓毒症的异质性,并识别出预后不同的患者亚组。这一概念后来被细化为定量免疫功能障碍评分SRSq[86],其来源于全血转录组,可通过简化的7–12基因特征进行测定,用于对感染严重程度进行分层并预测结局。Scicluna等人[87]识别出四种脓毒症分子诊断与风险分层内分型(命名为MARS1至MARS4)。MARS1组患者与免疫抑制相关,生存率最差;MARS2至MARS4涉及不同的免疫反应通路,与较好的生存率相关。另一方面,Sweeney等人[88]在23个国际数据集中描述了三种稳健的内分型:炎症型(先天免疫激活)、适应性型(适应性免疫)和凝血型。在此背景下,Sinha等人[89]验证了最初在ARDS中定义的高炎症/低炎症表型[90],显示其对活化蛋白C的差异反应。这种宿主-微生物整合方法由Langelier等人在患有下呼吸道感染的危重成人中开创[91],并扩展到使用血浆宏基因组学进行脓毒症诊断[92]。Neyton等人[93]通过整合宿主-微生物血液宏基因组学将这一证据提升到新水平,并确认这些表型与SRS和MARS框架之间的重叠,其中肠杆菌科细菌增加与高炎症表型相关。更近期,一个由三种血液共识转录组亚型(CTS)组成的共识框架被定义[94],每种亚型以炎症、血红素代谢或干扰素信号通路的独特激活为特征。该框架在多样化队列中具有稳健性,并为诸如皮质类固醇使用等治疗决策提供信息。
miRNA转录组学
在ncRNA中,miRNA通过调节特定mRNA的翻译来调控转录后基因表达[95]。脓毒症中最突出的循环miRNA是通常下调的miR-146a和miR-223,以及增强炎症反应的miR-155[[95], [96], [97]]。来自全血的细胞外囊泡衍生miRNA也已成为有前景的生物标志物,用于区分脓毒性休克与非脓毒性休克,而hsa-miR-150-5p在脓毒性休克与脓毒症患者之间显示差异表达[98,99]。
转录组学是脓毒症中最接近临床转化的领域(图1)。短期内,mRNA转录组内型分型可指导免疫调节治疗的选择,正如SRS内型[100]或高炎症/低炎症表型组[89]对皮质类固醇反应的差异所证明的那样。市售的靶向血液mRNA转录组学方案已可辅助脓毒症诊断及细菌或病毒感染可能性的判断[101],使内型判定在技术上可行。miRNA谱分析和通过连续谱分析进行的动态转录组监测有望在未来实现实时治疗调整。然而,要被业界广泛采用,这需要更快的周转时间、更低的成本以及在按内型分层的前瞻性试验中加以验证。
蛋白质组学
蛋白质生物标志物已被用于感染和脓毒症的早期检测。然而,其单独预测疾病进展和结局的能力有限。蛋白质组是细胞、组织或生物体在特定时间表达的全部蛋白质集合,而蛋白质组学是对其表达、结构、功能和相互作用的大规模研究[102]。由于蛋白质是细胞功能的主要效应分子,其丰度受翻译、翻译后修饰、分泌和降解的调控,因此蛋白质组学提供了对细胞和组织活动状态的直接、功能性视角[103,104]。
在脓毒症中,血浆蛋白质组是观察全身反应最易获取的窗口[105],因为凝血、补体和免疫效应通路均存在失调。然而,它也是最严苛的分析挑战之一,蛋白质浓度跨度超过十个数量级[106]。
在最宏观的层面上,蛋白质组学使脓毒症的生物学异质性得以归类为具有临床意义的内型。采用两种互补的分析策略:发现性质谱(MS)(i),通过同时鉴定和定量数千种蛋白质提供非靶向、广谱的分析;以及靶向(ii)基于panel的检测,以更高的通量和可重复性测量预定义的蛋白质集。最近一项研究应用MS分析了德国多中心成人脓毒症队列中的609种血浆蛋白[107],使用无监督聚类定义了四种严重程度差异显著的分子内型。这些内型从基线特征到死亡率达100%的最严重聚类不等。这些内型以不同的免疫学特征为特点,包括免疫球蛋白丰度差异和急性期炎症。靶向方法得出了趋同的图景:对严重感染成人中的92种炎症蛋白进行分析,通过层次聚类鉴定出两种炎症内型,其中高炎症内型见于淋巴细胞计数较低的老年患者[108]。使用非靶向和靶向蛋白质组学对高炎症和低炎症患者分层进行的独立解析支持,蛋白质定义的内型捕获了与患者分层相关的宿主反应分化的稳健轴线。
对于脓毒症预后,基于质谱(MS)的多蛋白组合已优于单个分析物,而加入时间维度可进一步增加其价值。在一项纳入成人脓毒症和脓毒性休克患者的单中心队列中,发现性血浆蛋白质组学鉴定出一个预测器官功能障碍的九蛋白特征(GPX3、APOB、ORM1、SERPINF1、LYZ、C8A、CD14、APOC3和C1QC)以及一个独立的预测死亡率的22蛋白特征[109]。纵向设计提供了更高的分辨率。在一项多中心脓毒症队列中,通过MS分析确定的第1天至第4天之间血浆蛋白质组动态以凝血、免疫和补体通路为主,并与30天死亡率相关[110]。这些研究表明,患者的蛋白质组轨迹而非单一时间点的快照,可提供预后信息。
关于脓毒症并发症,靶向蛋白质组学分析有助于阐明脓毒症相关急性肾损伤(AKI),后者是其最常见和最致命的表现之一[111]。在一项大型危重症成人队列中,通过靶向免疫分析定量血浆H3.1核小体(一种中性粒细胞胞外诱捕网成分),可追踪器官衰竭和预测需要肾脏替代治疗的高炎症内型[112]。该特征补充了更广泛的器官功能障碍组合[109],表明蛋白质组如何同时应对整体多器官功能障碍以及常并发于脓毒症的AKI。
尽管这些方法有助于识别潜在生物标志物和脓毒症内型,其他基于下一代测序(NGS)的蛋白质检测方法正日益流行。基于亲和力的平台如Olink和SomaLogic(图3)可对靶向蛋白质组合进行相对定量,具有高重现性和通量,为确认候选生物标志物和在组合内容中发现分层特征提供了补充途径[113]。依赖这些方法的研究在脓毒症中仍然有限。其用于感染性疾病潜力的最清晰证明来自COVID-19,作为病毒性脓毒症的模型[114]。Parke及其同事[115]使用基于亲和力的Olink Explore平台靶向近1500种蛋白质,在住院成人COVID-19患者中将疾病严重程度与以中性粒细胞为中心的炎症蛋白质组特征(尤其是钙卫蛋白和S100A12)相关联。这为可在细菌性脓毒症中部署的靶向组合分层类型提供了概念验证。
从转化角度看,蛋白质组学为临床实施提供了简单且可及的途径(图1)。单个蛋白质生物标志物(CRP、PCT)已利用经典ELISA测量嵌入临床实践。基于血浆生物标志物的表型分析长期来看可适用于使用直接来自外周血的常规可测分析物进行分层。基于MS和亲和力平台的蛋白质组学可能有助于定义用于治疗选择的靶向蛋白质内型。然而,目前脓毒症中的证据仍不足以用于床旁应用。
多组学
多组学方法系统整合多个层面的生物学信息,如基因组学、转录组学和蛋白质组学等,以全面了解生物系统[116,117]。与单层组学方法不同,多组学捕获不同生物调控水平之间的相互作用,从而能够更深入地解释疾病背后的病理生理机制[116,118]。这种整合策略已成为精准医学的基石,其中异质性数据结合机器学习工具能够识别稳健的临床相关生物学模式[[116], [117], [118]]。
在脓毒症中,宿主-病原体相互作用的复杂性以及免疫和代谢反应显著的个体间变异性限制了单层生物标志物的实用性。整合多个组学层面可以增进对致病机制的理解,并识别更精确的分子特征用于诊断、患者分层、个体化治疗和预后[119]。一个代表性例子是严重感染功能基因组学(FUSE)项目中对成人脓毒症患者宿主转录组学和血浆蛋白质组学的整合,该项目定义了一种以协调的IFN-γ–CXCL9–CXCL10轴为特征的干扰素依赖性炎症内型[120]。结合转录和蛋白质水平信息解析出了一种任一层面单独均无法完全捕获的宿主反应内型,说明了数据整合如何超越单组学特征来精细化患者分层。类似地,英国脓毒症基因组学进展(GAinS)研究整合了638例成人脓毒症患者的基因分型和RNA测序数据,定位了16,049个表达数量性状位点,并鉴定了1,578个SNP-基因对中基因型与SRS亚组之间的显著相互作用,将宿主遗传变异与转录组内型背后的调控网络和细胞亚型联系起来[121]。然而,脓毒症中的多组学研究仍然稀少,大多数现有证据来自单组学分析或作为病毒性脓毒症模型的COVID-19队列。
除分层外,多组学方法已被应用于生物标志物的发现。在一项将转录组内型分型与八种蛋白质生物标志物整合于167例伴有相关AKI的脓毒症患者的研究中,将内型分类与suPAR或bio-ADM相结合实现了对肾脏替代治疗或死亡的最佳预测,优于任一单独层面[122]。一项对COVID-19 ARDS和细菌性脓毒症诱导的ARDS的比较多组学分析,在代谢组学、脂质组学和蛋白质组学平台上定量了1,980种分子,鉴定了706种差异丰度分子以及与临床结局相关的基于子网络的信号特征[123]。在一项对128例COVID-19患者的转录组学、蛋白质组学、代谢组学和脂质组学数据的四组学整合中,219种分子特征与疾病严重程度相关,包括补体激活、脂质转运和中性粒细胞脱颗粒的失调[124]。
多组学方法是脓毒症生物标志物发现的强有力策略,能够捕捉多个生物学维度的复杂性。然而,这些方法面临显著且共同的挑战,包括数据异质性、高维度以及需要先进的计算方法进行整合和解释,这些目前限制了它们向临床实践的转化[116,119]。
在多组学整合策略中,将全基因组关联数据与循环蛋白质组学相结合正在成为脓毒症中特别相关的方法,因为它能够通过孟德尔随机化(MR)识别疾病相关位点和因果推断以及治疗靶点优先级排序,扩展了当前多组学应用的范围,而当前在脓毒症中的多组学应用主要集中于关联分析。GWAS的进展与高通量蛋白质组学方法共同支撑了蛋白质基因组学[113,[125], [126], [127]],它位于基因组学、转录组学和蛋白质组学的交叉点,改善了遗传信息的功能解释(图4)。蛋白质基因组学提供蛋白质数量性状位点的信息,即与蛋白质水平相关的遗传变异[125],提供遗传变异与下游分子表型之间的生物学信息联系,揭示候选治疗靶点[113,128,129]。
在脓毒症中,蛋白质基因组学正在成为一项有前景的策略。通过结合五个大型队列的数据,血浆载脂蛋白E(ApoE)被鉴定为脓毒症易感性的因果因素[130]。小鼠模型中的实验验证表明,ApoE缺乏和过量均会加重炎症、器官损伤和死亡率。同样,对循环SERPINA1水平(编码α-1抗胰蛋白酶)的蛋白质基因组学分析支持了遗传预测的较高SERPINA1水平与较低脓毒症风险之间的因果关联,提示蛋白酶-抗蛋白酶平衡的改变参与了发病机制[47]。两项蛋白质基因组学研究已将PTPRD[131]和TCF20[132]列为脓毒症相关ARDS风险的新候选基因。最终,这些研究证明了蛋白质基因组学分析在风险分层中的临床效用,强调了在脓毒症结局中区分单纯相关性与真正机制通路的必要性。
从转化角度来看,多组学整合仍然是一项长期事业(图1),因为目前尚无多组学特征被验证可用于脓毒症患者的床旁。目前,技术复杂性和较长的等待时间与急性护理所需的快速决策不相容。
未来展望
尽管取得了实质性进展,组学生物标志物在脓毒症中的临床转化仍然有限。脓毒症是一种临床异质性综合征,缺乏样本采集、处理和分析的标准化方案导致不同队列之间存在显著的技术变异[133,134]。许多研究依赖于小规模的欧洲成人单中心队列,限制了其普遍性和稳健性。因此,尽管文献中充斥着候选生物标志物,但大多数缺乏正式验证[13]。大规模生物样本库级别的分析部分解决了样本量问题。然而,这引入了其他局限性,因为病例和对照的定义依赖于缺乏深度临床表征的电子健康记录。人群对照可能曾经发生过脓毒症,或未来可能发生脓毒症,从而模糊了所研究的对比[135]。
正如本综述全文所讨论的,每种方法的临床转化成熟度各不相同(图1)。短期内,最直接适用的方法包括用于分层免疫调节治疗的转录组内型分型,以及用于诊断脓毒症和感染宿主反应基因表达面板。长期来看,需要进一步证据支持的进展包括动态、纵向、多组学分析,按内型分层的前瞻性随机试验,宿主和微生物测序的整合,以及人工智能辅助的多组学决策支持。这种区分反映的是临床证据的成熟度而非技术能力。已证明存在差异性治疗反应的方法可以进行验证性试验,而多组学整合和计算预测则需要基础性验证。
一些生物标志物也是动态的且依赖于情境。蛋白质组特征随采样时间和患者状态而变化。依赖血液采样意味着其他可能具有信息价值的细胞类型特异性和组织特异性信号可能被忽视[134]。除这些限制之外,若干新兴层面正在扩展我们对脓毒症分子水平的理解。从早期过度炎症向免疫抑制的转变由表观基因组调控、DNA甲基化、组蛋白修饰和染色质组织所支撑[136],并可通过甲基化芯片和基于测序的方法进行分析。尽管成人脓毒症的表观遗传学研究正在兴起,包括将白细胞甲基化与免疫抑制表型相关联的全表观基因组分析[137],但这些研究仍然数量少、规模小,且尚无表观遗传生物标志物经过临床使用验证。代谢组学提供了宿主功能状态的功能性、时间分辨读出,但在患者亚型分型中仍未得到充分利用[138]。
宏基因组学将生物标志物的概念从单一病原体重构为整合的微生物特征,游离DNA和宏基因组二代测序在培养失败的情况下改善了病原体检测[139]。由Langelier等人开创的这种宿主-微生物整合方法,将病原体检测、气道微生物组分析和宿主转录组特征相结合应用于危重症成人[91],随后通过血浆宏基因组学扩展到脓毒症诊断[92]。具体的预后价值正在显现,因为肺部细菌性菌群失调与肺外脓毒症的ICU死亡率相关[48],而气管吸出物宏基因组学已将抗生素耐药特征与非肺部脓毒症的死亡率联系起来[140]。在所有这些分子层面上,人工智能和机器学习方法越来越多地用于整合多组学数据并通过聚类定义内型。然而,有限的机制可解释性和不足的外部验证仍然制约着其临床影响力[141,142]。
总之,需要招募更大规模、特征描述更完善且更均质的纵向队列,以捕捉不断演变的宿主反应。这必须作为国际联盟的一部分来完成,以统一方案并前瞻性验证生物标志物以及快速即时检测平台。一个关键优先事项是从危重症患者本身获取蛋白质组学测量数据,因为来自一般人群队列的仪器可能遗漏脓毒症特异性的蛋白质调控,并提供误导性的因果估计[132]。最终的临床目标仍然是开发一个简单、紧凑的经过验证的生物标志物组合,适合常规临床使用。尽管转录组内型分型显示了一些有希望的迹象,但目前这一目标仍然遥不可及。
结论
脓毒症的分子特征描述正在稳步推动该领域从单一的非特异性标志物转向以生物学驱动的宿主反应整合性理解。多组学分析正在提高我们预测结局的能力,更重要的是,通过识别以不同病理生理学和预后为特征的内型,解决长期以来阻碍治疗进展的临床异质性。当前的核心挑战是将这些特征转化为稳健的、经前瞻性验证的工具,使其在不同环境下对成人患者可靠地发挥作用。早期生物标志物引导的试验已开始证明内型分层治疗是可行的,尽管推广这种方法仍需要本综述所述的多组学生物标志物验证。实现这一目标将变革脓毒症诊疗,使其超越一刀切的方法迈向精准医学,即患者将根据其潜在的分子特征进行分层,并在正确的时间匹配适当的干预措施,最终提高这一异质性和危及生命的综合征的生存率。
作者贡献
概念构思:CF;研究实施:SGB、ESP、MBC、ET;数据管理:SGB、THB、CF;写作——初稿:SGB、THB、CF;写作——审阅与编辑:所有作者;可视化:SGB、MBC;资金获取:THB、SGB、CF。
写作过程中生成式人工智能和AI辅助技术的声明
在本工作准备期间,作者使用ChatGPT(GPT-4,版本1.2026.160,OpenAI)和Biomni(Phylo)以改善稿件的英语语言和可读性,并协助总结和综合所综述的文献。在使用该工具/服务后,作者根据需要审查和编辑了内容,并对发表文章的内容承担全部责任。
基金资助
ERA PerMed(JTC_2021;来自Instituto de Salud Carlos III的AC21_2/00039)以及来自Next Generation EU的资金,作为恢复机制与韧性行动的一部分;Instituto de Salud Carlos III(PI23/00980、CB06/06/1088、CD25/00028、FI24/00316)由欧洲区域发展基金共同资助,来自欧盟的“A way of making Europe”;Fundación Canaria Instituto de Investigación Sanitaria de Canarias(PIFIISC23/05);Cabildo Insular de Tenerife(CGIEU0000219140和CGIAC0000014697);Instituto Tecnológico y de Energías Renovables协议(OA23/043)。
利益冲突声明
无。
参考来源
- Gonzalez-Barbuzano S, Suarez-Pajes E, Bardají-Carrillo M, et al. Genomic and integrative based progression biomarker discovery in adult sepsis: toward clinical stratification and precision medicine. Ann Intensive Care. 2026. PMID: 42699062. doi:10.1016/j.aicoj.2026.100133
- 全文:PMC13543799(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13543799/
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。