《Scientific Reports》:Serum MRGPRX2 and substance P levels are biomarkers of disease activity rather than an antihistamine response in chronic spontaneous urticaria
编辑推荐:
为探究慢性自发性荨麻疹(CSU)中 MRGPRX2 和 P 物质(SP)的作用,研究发现二者与疾病严重程度相关但不预测抗组胺反应。
慢性自发性荨麻疹(CSU)是一种令人困扰的皮肤疾病,由肥大细胞(MCs)驱动,患者皮肤上会反复出现风团、血管性水肿,严重影响生活质量。而且目前还无法根治,这是因为其发病机制十分复杂,涉及 MCs 与免疫细胞、凝血 - 补体系统以及感觉神经之间的相互作用。
在 CSU 的发病机制中,Mas 相关 G 蛋白偶联受体 X2 (MRGPRX2 )-P 物质(SP)轴起着关键作用。MRGPRX2 是调节 IgE 非依赖性 MC 脱颗粒途径的重要受体,主要在人类皮肤 MCs 的膜上表达。有研究显示,CSU 患者皮肤 MCs 和血清中 MRGPRX2 的表达增加,且与疾病严重程度直接相关。SP 是一种神经肽,由特定感觉神经末梢释放,可由 MCs 脱颗粒产生的多种刺激因子如白三烯、前列腺素和组胺等诱导释放。然而,目前关于 CSU 患者血清 SP 浓度的研究结果并不一致,而且血清 MRGPRX2 和 SP 水平与治疗反应,尤其是与第二代 H1 抗组胺药(sgAH1 )治疗反应的关系尚不明确。
为了深入了解这些问题,来自越南河内皮肤病与性病国家医院和河内医科大学的研究人员开展了一项前瞻性观察研究。该研究成果发表在《Scientific Reports》上。
研究人员在 2024 年 3 月至 9 月期间,招募了 120 名 CSU 患者和 30 名健康对照者。他们通过酶联免疫吸附测定(ELISA)技术检测血清中 MRGPRX2 和 SP 的水平。为了评估疾病活动度,研究人员使用了 7 天荨麻疹活动评分(UAS7),根据评分将患者分为重度(UAS7≥28)和非重度(UAS7<28)CSU 患者。对于重度 CSU 患者,给予标准剂量的比拉斯汀(Bilaxten 20mg / 天)治疗,并根据荨麻疹控制测试(UCT)结果在第 15、30 和 60 天调整剂量,最高可增加到 80mg / 天 。
研究结果如下:
血清 MRGPRX2 和 SP 水平与疾病严重程度的相关性 :重度 CSU 患者血清 MRGPRX2 和 SP 水平显著高于非重度患者,但与健康对照者相当。血清 MRGPRX2 水平与 UAS7 评分呈中度相关,血清 SP 浓度与 CSU 疾病活动度呈弱相关。MRGPRX2 ≥11.67ng/mL 和 SP≥97.66pg/mL 被确定为重度 CSU 的独立危险因素。此外,男性患者血清 MRGPRX2 和 SP 浓度显著高于女性患者,且这两种物质的血清浓度之间没有相关性。
血清 MRGPRX2 和 SP 水平与抗组胺反应的相关性 :在重度 CSU 患者中,经过 2 个月的比拉斯汀治疗后,21(35%)名患者即使接受了最高剂量(80mg)的治疗仍无反应。基线时,完全控制、良好控制和未控制组的 MRGPRX2 和 SP 浓度没有差异。治疗 2 个月后,血清 MRGPRX2 浓度没有变化,而血清 SP 浓度显著下降。
研究结论和讨论部分指出,血清 MRGPRX2 和 SP 浓度与越南 CSU 患者的荨麻疹严重程度相关,较高的血清 MRGPRX2 和 SP 水平有助于识别重度 CSU 患者。然而,它们并不能可靠地预测患者对抗组胺药的反应。虽然抗组胺药对血清 MRGPRX2 水平没有显著影响,但能显著降低血清 SP 水平。此外,研究还发现男性患者血清 MRGPRX2 和 SP 浓度更高,这或许可以解释为何重度 CSU 患者中男性比例更高。
不过,该研究也存在一些局限性,例如没有比较 CSU 患者和健康受试者皮肤 MCs 中 MRGPRX2 的血清浓度和表达,未分析 MRGPRX2 的氨基酸序列,也没有比较 CSU 患者皮肤病变中血清 SP 浓度与 SP 水平。
总体而言,这项研究为 CSU 的研究提供了新的视角,明确了血清 MRGPRX2 和 SP 水平在评估疾病严重程度方面的重要性,同时也为后续研究指明了方向,比如进一步探究 MRGPRX2 多态性对 CSU 的影响等。
研究人员在开展研究时,主要用到了以下关键技术方法:
样本采集 :收集 CSU 患者和健康对照者的血清样本,并储存于 - 80°C。
指标检测 :采用 ELISA 技术检测血清中 MRGPRX2 和 SP 的水平。
疾病评估 :使用 UAS7 评估荨麻疹活动度,UCT 评估抗组胺药治疗反应。
数据分析 :运用 Kruskal-Wallis 检验、Dunn’s 校正、Spearman 相关性分析、单因素和多因素逻辑回归分析等方法处理数据。
鎵撹祻
涓嬭浇瀹夋嵎浼︾數瀛愪功銆婇€氳繃缁嗚優浠h阿鎻ず鏂扮殑鑽墿闈剁偣銆嬫帰绱㈠浣曢€氳繃浠h阿鍒嗘瀽淇冭繘鎮ㄧ殑鑽墿鍙戠幇鐮旂┒
10x Genomics鏂板搧Visium HD 寮€鍚崟缁嗚優鍒嗚鲸鐜囩殑鍏ㄨ浆褰曠粍绌洪棿鍒嗘瀽锛�
娆㈣繋涓嬭浇Twist銆婁笉鏂彉鍖栫殑CRISPR绛涢€夋牸灞€銆嬬數瀛愪功
鍗曠粏鑳炴祴搴忓叆闂ㄥぇ璁插爞 - 娣卞叆浜嗚В浠庣涓€涓崟缁嗚優瀹為獙璁捐鍒版暟鎹川鎺т笌鍙鍖栬В鏋�
涓嬭浇銆婄粏鑳炲唴铔嬬櫧璐ㄤ簰浣滃垎鏋愭柟娉曠數瀛愪功銆�