利用产前游离 DNA 筛查预测子痫前期风险的研究解读

使用1854例妊娠早期常规收集的临床样本，并在外部队列中进行验证，低覆盖率的cfDNA序列数据确定了先兆子痫患者的独特特征。

　　

利用产前游离 DNA 筛查预测子痫前期风险的研究解读

来自 Fred Hutchinson 癌症中心、华盛顿大学等机构的研究人员在《Nature Medicine》期刊上发表了题为 “Preeclampsia risk prediction from prenatal cell-free DNA screening” 的论文。该研究意义重大，为子痫前期的早期预测提供了新的方法和思路，有望改善孕期管理，降低子痫前期对母婴的不良影响。

一、研究背景

子痫前期是一种妊娠期高血压疾病，影响 2 - 8% 的妊娠，会给母婴带来较高的发病率和死亡率，尤其是在早产的情况下。目前，子痫前期发病前的预测颇具挑战，现有的许多预测方法多基于临床因素或结合循环生物标志物进行二元风险分类，但在很多情况下表现并不理想。胎盘在子痫前期的发生发展中起着关键作用，由于孕期胎盘难以直接获取，因此非侵入性方法对于识别子痫前期风险的分子特征、深入理解其潜在生物学机制以及制定降低风险的策略至关重要。虽然已有研究尝试利用循环游离 RNA、长分子游离 DNA 和游离 DNA 甲基化等进行子痫前期的早期预测，但这些方法需要专门的检测，成本较高且临床实施复杂。而孕早期母体血浆游离 DNA 测序已用于产前非整倍体筛查，若能将其用于子痫前期的早期预测，将具有重要的临床价值。

二、研究材料与方法

（一）研究对象

研究使用了来自华盛顿大学临床实验室的 1854 例临床产前游离 DNA 筛查（PDNAS）样本，这些样本的采集时间在 2017 年 5 月至 2021 年期间。研究将样本分为不同的队列，包括 FF - training 队列（375 例 XY 胎儿的 PDNAS 样本和 20 例非妊娠健康女性样本）、PE - training 队列（450 例样本，为 2019 年 1 月至 2020 年 12 月临床获取样本的约 10% 随机选择，并富集了 2021 年 1 月至 2023 年 4 月 25 日子痫前期病例）、PDNAS validation 队列（最初 956 例，为 2017 年 5 月 1 日至 2018 年 12 月 31 日连续获取的符合广泛纳入标准的临床样本，排除 125 例 16 周后采集的样本后最终为 831 例）以及用于外部验证的队列（141 例样本，来自两个生物样本库，在外部临床实验室测序）。

（二）样本采集与处理

对于在华盛顿大学临床实验室测序的 PDNAS 样本，先对来自 Streck 管的全血进行离心分离血浆，再使用 QIAsymphony Circulating DNA Kit 提取游离 DNA。经过 DNA 定量后，采用 KAPA HyperPrep kit 进行二代测序文库制备，利用 AMPureXP kit 在扩增前后纯化文库，通过等摩尔策略创建样本池并稀释至 1nM，最后使用 Illumina NextSeq 500 进行 37 - bp 配对末端测序。

（三）关键技术路线

研究人员开发了一种名为 PEARL（preeclampsia early assessment of risk from liquid biopsy）的计算框架。该框架首先利用低覆盖度全基因组测序（WGS，~0.5×）数据，通过 Griffin 工具在组织特异性可及位点生成核小体覆盖图谱。从这些图谱中提取核小体耗尽区域（NDR，±30 和 ±75bp）和位点周围平均覆盖度（MCV，±1,000bp）等特征，用于评估母体 - 胎儿组织组成和预测子痫前期风险。同时，研究还基于胎盘特异性特征开发了新的胎儿分数（FF）估计模型，并将其与核小体特征、血压和体重指数（BMI）等临床参数相结合，训练机器学习模型来预测子痫前期风险。

三、研究结果

（一）基于临床 PDNAS 数据的研究设计

研究人员利用 1854 例临床血浆游离 DNA 样本的低覆盖度 WGS 数据（平均覆盖度 0.52×，四分位间距 0.36 - 0.64），开发出能准确量化组织对母体血浆的贡献并在临床发病前数月预测子痫前期风险的框架。子痫前期根据发病和分娩的孕周分为早期子痫前期（EPE，发病≤34 周且分娩 <37 周）、晚期子痫前期伴早产（LPE - PB，发病> 34 周且分娩 < 37 周）和晚期子痫前期伴足月分娩（LPE - TB，发病 > 34 周且分娩≥37 周）。通过 PEARL 框架评估游离 DNA 中的组织特异性核小体图谱，并将这些特征用于机器学习模型以估计母体 - 胎儿组织组成、FF 以及预测子痫前期风险。

（二）子痫前期患者的早期组织功能障碍

研究利用 PEARL 分析 PDNAS 样本，发现该框架能够区分来自不同组织的游离 DNA，如胎盘。研究证实孕期 PDNAS 样本中胎盘组织的贡献可被检测到，且随孕期进展而增加；免疫和内皮细胞的贡献则随孕期减少。通过对 450 例个体（PE - training 队列，中位采集时间 12.2 周，范围 8.1 - 16.0 周）的研究，发现子痫前期患者的胎盘组织贡献显著低于正常妊娠者，而内皮组织贡献更高。这表明子痫前期患者存在早期胎盘功能障碍，也可能反映出母体潜在的内皮功能障碍。

（三）子痫前期严重程度与性别无关的 FF 差异

研究人员利用 PEARL 框架开发了新的 FF 估计模型，该模型整合了 1239 个胎盘和母体组织类型特征以及 377 个转录因子特征，独立于胎儿性别、基因型和片段长度。在 FF - training 队列（375 例 XY 胎儿样本和 20 例非妊娠女性样本）中训练模型，其表现出强正相关性（Pearson’s r = 0.90），检测限为 0.039。在公开数据集（n = 70）和 PE - training 队列中的 238 例 XY 胎儿样本中验证，相关性分别为 Pearson’s r = 0.97 和 0.79。在 PDNAS validation 队列（956 例样本）中，研究确认了模型对 XY 胎儿样本 FF 的预测准确性（Pearson's r = 0.85），并发现子痫前期患者（尤其是 EPE 患者）的估计 FF 显著低于正常妊娠者，且在正常妊娠中 FF 随孕周增加，而 EPE 患者的 FF 在孕期始终较低，表明存在持续的组织功能障碍。

（四）PEARL 利用 PDNAS 数据预测子痫前期风险

研究使用 450 例 PDNAS 样本（PE - training 队列）训练机器学习二元分类器来预测子痫前期风险。模型纳入了胎盘和内皮组织特异性核小体和亚核小体特征、PEARL 估计的 FF，以及血压和 BMI。训练模型在预测需要早产的子痫前期时，总体训练性能达到 0.76 AUC（置信区间 0.70 - 0.82），对 EPE 和 LPE - PB 的预测性能分别为 0.80 AUC（置信区间 0.72 - 0.87，80% 特异性时灵敏度为 71%）和 0.69 AUC（置信区间 0.61 - 0.77，灵敏度为 50%）。在 PDNAS validation 队列（831 例样本，中位孕周 12.2 周）和外部验证队列（141 例样本，中位孕周 12.1 周）中验证，预测需要早产的子痫前期的总体性能分别为 0.85 AUC（置信区间 0.80 - 0.90，80% 特异性时灵敏度为 81%）和 0.84 AUC（置信区间 0.79 - 0.89，80% 特异性时灵敏度为 79%）。这表明使用 PEARL 框架对孕早期 PDNAS 数据进行游离 DNA 核小体可及性分析，能在疾病发作前数月对需要早产的子痫前期高风险人群进行分层。

四、研究结论与讨论

（一）研究结论

研究表明，核小体分析可应用于临床获得的低覆盖度游离 DNA 序列数据，以识别子痫前期患者的独特特征。通过检测孕早期内皮组织损伤（胎盘和 / 或母体）的证据以及胎盘组织贡献的减少，为 PEARL 框架在临床症状出现前数月预测子痫前期风险提供了依据。同时，PEARL 框架能够准确估计 FF，克服了当前一些方法的局限性，并可用于对需要早产的子痫前期进行风险分层。

（二）讨论

与目前可用的方法（如胎儿医学基金会的孕早期算法）相比，本研究的方法仅需添加血压和 BMI 两个简单临床参数，通过对胎盘和内皮组织的游离 DNA 核小体分析就能可靠地预测子痫前期风险。虽然该算法在某些方面优于单独的临床风险因素，但实施具有挑战性且并非适用于所有人群。本研究的预测模型性能良好，有助于在孕早期进行风险分层，以测试相关干预措施。尽管近期利用血浆游离 RNA 和游离 DNA 的方法也能辅助子痫前期预测，但这些方法需要专门的测序检测，实施难度较大。本研究的优势在于使用现有的临床检测，无需额外采样或测序。然而，该方法仍需要将样本运输到测序设施，这在低收入和中等收入国家可能存在困难，需要进一步创新以促进其在这些地区的应用。此外，本研究聚焦于子痫前期风险预测，在 EPE 和 LPE - PB 病例中表现良好，在 LPE - TB 病例中表现一般。研究分析了连续获得的 PDNAS 样本，纳入标准宽泛，近似真实世界的子痫前期患病率和患者变异性，增强了研究结果的有效性。未来需要更大规模的前瞻性研究来验证该方法的临床实用性。

综上所述，该研究为子痫前期的早期预测提供了一种有前景的方法，具有潜在的临床应用价值，但在推广应用过程中还需要解决一些实际问题，以实现其在全球范围内改善孕期健康管理的目标。