中性粒细胞胞外诱捕网介导的细胞损伤与免疫募集在腹主动脉瘤中的关键基因鉴定与验证

本研究针对腹主动脉瘤(AAA)中中性粒细胞胞外诱捕网(NETs)介导的细胞损伤与免疫细胞募集机制展开深入探索。研究人员通过生物信息学与机器学习算法，从多个转录组数据集(GSE183464/GSE178883等)中筛选出9个枢纽基因(MMP9/CXCR4/CYBB等)，揭示NETs通过激活NF-κB/IL-17/TNF信号通路促进血管损伤的分子机制。研究为AAA早期诊断提供了新型生物标志物，并为靶向NETs的治疗策略奠定理论基础。

　　

腹主动脉瘤(Abdominal Aortic Aneurysm, AAA)作为潜伏期长、破裂致死率高的血管疾病，其发病机制一直是研究难点。近年研究发现，中性粒细胞释放的中性粒细胞胞外诱捕网(Neutrophil Extracellular Traps, NETs)通过组蛋白和颗粒蛋白的释放，不仅造成血管壁损伤，还可能激活免疫细胞形成恶性循环。然而，NETs介导的内皮细胞损伤与免疫募集的具体分子机制尚不明确，这成为阻碍AAA早期诊断和治疗的关键瓶颈。

山西医科大学第二医院的研究团队在《Scientific Reports》发表的最新研究，通过整合多组学数据和机器学习算法，系统揭示了NETs促进AAA发展的分子网络。研究人员首先利用CIBERSORT和ssGSEA算法分析AAA患者的免疫微环境特征，发现中性粒细胞显著浸润；随后通过PMA刺激中性粒细胞的转录组数据(GSE178883)锁定NETs形成相关通路；结合WGCNA网络构建和三种机器学习方法(SVM-RFE/RandomForest/Lasso)，最终鉴定出9个核心基因，包括介导细胞外基质降解的MMP9、调控免疫细胞迁移的CXCR4/CXCL13，以及氧化应激关键因子CYBB(NOX2)等。

研究采用的关键技术包括：基于公开数据库(GSE57691等)的生物信息学分析、免疫细胞浸润算法(CIBERSORT/ssGSEA)、加权基因共表达网络分析(WGCNA)、机器学习特征筛选，以及通过Ang II诱导的AAA小鼠模型进行免疫荧光/免疫组化验证。临床样本来源于10例AAA患者和健康对照的血清与血管组织。

【免疫细胞浸润分析】

通过GSE183464数据集分析显示，AAA组中性粒细胞数量显著高于对照组(p<0.05)，CIBERSORT与ssGSEA算法一致性证实中性粒细胞浸润与疾病状态相关。

【PMA刺激中性粒细胞的功能注释】

GSE178883数据显示，PMA诱导后中性粒细胞高表达基因富集于Th17细胞分化等免疫通路，而低表达基因与NETs形成直接相关，提示NETs具有双重免疫调节功能。

【WGCNA关键模块识别】

对GSE57691进行WGCNA分析确定黄色模块与AAA最相关(R2=0.85)，包含483个基因，其中MMP9等已知AAA相关基因验证了网络的可靠性。

【机器学习筛选枢纽基因】

通过三种算法交叉验证发现：

1. AAA-NRGs组：CXCR4/MMP9/CYBB主要参与NADPH氧化酶复合体激活；

2. AAA-ECRGs组：TNFAIP3(A20蛋白)/LTB/PIK3CD调控内皮细胞NF-κB通路；

3. AAA-MoRGs组：CXCL13促进巨噬细胞-B细胞相互作用；

4. AAA-CD4+TCRGs组：SELL(L-选择素)介导T细胞迁移。单细胞测序(GSE166676)显示这些基因特异性表达于单核/巨噬细胞或T/B细胞亚群。

【实验验证】

小鼠模型显示AAA组主动脉直径扩张≥50%(p<0.01)，免疫荧光证实MMP9/CXCR4与Ly6G⁺中性粒细胞共定位。临床样本ELISA显示LTB/PIK3CD血清水平显著升高，而TNFAIP3在血管组织表达降低，与生物信息预测一致。

该研究首次系统阐明NETs通过多基因网络协调AAA发展的机制：1) CYBB(NOX2)依赖的ROS产生促进NETs释放；2) MMP9介导基质降解；3) CXCR4/CXCL13趋化免疫细胞形成正反馈。这些发现不仅为AAA提供了9个潜在诊断标志物，更揭示了靶向NETs-PIK3CD/STAT4轴的治疗新策略。值得注意的是，TNFAIP3作为NF-κB负调控因子在AAA中表达异常，提示免疫稳态失衡可能是疾病进展的关键环节。研究采用的"生物信息学-机器学习-实验验证"范式，为其他血管炎症疾病的机制研究提供了方法论参考。