编辑推荐：
慢性鼻 - 鼻窦炎（CRS）与慢性阻塞性肺疾病（COPD）共病机制不明。研究人员整合多组学分析和大规模流行病学数据展开研究，发现 CRS 是 COPD 的独立危险因素，确定 C3 和 CD163 为潜在靶点。该研究为相关疾病诊疗提供新方向。
在呼吸健康领域，慢性鼻 - 鼻窦炎（Chronic Rhinosinusitis，CRS）和慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease，COPD）就像两颗 “定时炸弹”，严重威胁着人们的生活质量。CRS 是一种常见的慢性炎症性疾病，全球各地的发病率差异较大，在亚洲为 2.1% - 28.4%，欧美地区也超 10% 。它带来的并发症多种多样，从影响男性功能的勃起功能障碍，到类风湿关节炎，甚至与中风也有联系，给患者的生活带来诸多不便，也让医疗资源不堪重负。COPD 同样不容小觑，它是全球第三大死因，以持续气流受限为特征，各种并发症严重损害患者的呼吸功能，患者常常在日常活动中就气喘吁吁，生活质量大幅下降，同时也给家庭和社会带来沉重的经济负担。
尽管 CRS 和 COPD 都发生在呼吸道，且都与炎症紧密相关，但它们之间的相互作用却一直是个未解之谜。以往的研究只是发现两者可能相互影响，或许存在共同的炎症机制，可具体情况依旧模糊不清。在 “统一气道疾病” 的概念逐渐兴起的背景下，人们开始意识到呼吸道是一个整体，上、下气道疾病相互关联。因此，深入探究 CRS 和 COPD 之间的关系，对制定针对整个呼吸系统的综合治疗策略至关重要，这不仅能改善患者的治疗效果，还能为医学研究开辟新的道路。
为了揭开这层神秘的面纱，重庆医科大学附属第二医院和重庆理工大学附属中心医院的研究人员展开了一项极具意义的研究。他们的研究成果发表在《Scientific Reports》上，为我们带来了许多重要发现。
研究人员采用了多种关键技术方法。首先，他们从 NHANES 数据库（National Health and Nutrition Examination Survey，美国国家健康和营养检查调查）中提取 2005 - 2006 年的数据进行横断面研究。在这个过程中，严格按照既定标准定义 COPD 和鼻窦炎，同时挑选了年龄、性别、种族等多个相关协变量。接着，运用多种机器学习模型（如 glmnet、ranger 和 xgboost）对数据进行分析，并通过五折交叉验证优化模型性能 。之后，利用公开的欧洲人群全基因组关联研究（Genome - Wide Association Study，GWAS）数据进行两样本孟德尔随机化（Mendelian Randomization，MR）分析，筛选出符合条件的单核苷酸多态性（Single Nucleotide Polymorphism，SNP）进行研究 。最后，从 Gene Expression Omnibus（GEO）数据库获取 CRS 和 COPD 相关数据集，进行数据处理、差异表达基因筛选以及加权基因共表达网络分析（Weighted Gene Co - expression Network Analysis，WGCNA）。
下面来看具体的研究结果：
- NHANES 横断面研究：研究共纳入 1248 名参与者，分析发现 COPD 更易发生在老年人、生活习惯差的人群以及患有慢性鼻窦炎的人身上。通过多因素逻辑回归分析，多个调整模型都表明 CRS 和 COPD 之间存在显著关联。在未调整模型中，CRS 与 COPD 的关联比值比（Odds Ratio，OR）为 3.70（95% 置信区间（Confidence Interval，CI）：1.66 - 8.23，P = 0.003） 。调整年龄、性别和种族等因素后，关联依然显著 。进一步调整所有协变量后，COPD 与 CRS 仍显著相关（OR = 4.38，95% CI：1.49 - 12.86，P = 0.02） 。对比三种机器学习模型，ranger 模型表现最佳，其曲线下面积（Area Under the Curve，AUC）为 0.844，高于 glmnet 的 0.791 和 xgboost 的 0.574，在预测 CRS 患者患 COPD 风险方面具有很大优势。
- 孟德尔随机化：以 CRS 为暴露因素、COPD 为结局进行 MR 分析，选取 30 个 SNP，结果显示逆方差加权（Inverse Variance Weighted，IVW）和加权中位数分析结果有显著统计学意义，表明 CRS 会增加 COPD 的发病风险 。而反向 MR 分析中，以 COPD 为暴露因素、CRS 为结局，选取 2 个 SNP，IVW 分析结果无统计学意义。进一步对共病靶点（C3 和 CD163）进行多变量 MR 分析，未发现显著的中介作用 。
- GEO 数据库分析：利用 “limma” 软件包分析 CRS 和 COPD 的差异表达基因（Differentially Expressed Genes，DEGs），CRS 组得到 141 个 DEGs，COPD 组得到 706 个 DEGs 。通过 WGCNA 分析，在 CRS 和 COPD 数据集中分别构建基因共表达网络，确定了与疾病相关性最强的模块。最后通过维恩图分析，发现 C3 和 CD163 是两种疾病上调基因与 WGCNA 确定的模块基因的交集靶点，初步认为它们是影响 CRS 和 COPD 的共同靶点 。
综合上述研究结果，研究人员得出结论：CRS 可能是增加个体患 COPD 风险的关键因素，这为深入探究上、下呼吸道相互作用的因果机制提供了新视角。同时，研究还确定了 C3 和 CD163 为 CRS 和 COPD 潜在的共同生物学靶点，为后续寻找影响整个呼吸系统的共同作用机制指明了方向。
不过，这项研究也存在一些局限性。比如，NHANES 数据库中鼻窦炎数据是自我报告的，可能存在回忆偏差，影响结果可靠性。C3 和 CD163 在 CRS 和 COPD 之间的中介作用未得到显著验证，其作用机制或许更为复杂。在 COPD 验证组中，C3 未显示出显著差异，需要结合更详细的临床表型数据和多组学数据进一步探究 。
尽管存在不足，但该研究的意义不可忽视。它首次全面地探究了 CRS 和 COPD 之间的关联及潜在致病机制，为后续研究奠定了坚实基础。C3 和 CD163 作为潜在治疗靶点，为开发针对这两种疾病的新型治疗策略提供了可能，未来有望通过调节这两个靶点来改善患者的治疗效果。同时，检测患者生物样本中 C3 和 CD163 的水平，可能有助于早期发现疾病、监测疾病进展，实现个性化治疗，从而提高患者的生活质量，在呼吸疾病的诊疗领域迈出了重要的一步。
