Advanced Science（IF 14.3）：机器学习+微生物，中国医学科学院曹彬等团队开发诊断下呼吸道感染的分类模型

下呼吸道感染（ LRTI ）每年造成的死亡人数比其他任何类型的呼吸系统疾病都多。细菌、病毒、真菌和分枝杆菌等多种微生物均可引起 LRTI ，因此难以准确诊断其致病因素。目前， LRTI 病原体的检测主要依赖于培养、尿液/痰液抗原测试和分子诊断测试，局限性较大，并且很难区分定植和感染。

Advanced Science 上发表的新文章通过分析支气管肺泡灌洗液（ BALF ）的宏转录组数据，发现 LRTI 患者的宿主反应和呼吸道微生物组与非 LRTI 患者有显著差异，并开发了基于这些特征的 LRTI 诊断分类模型，能够准确区分 LRTI 和非 LRTI 患者，为 LRTIs 的诊断提供了新的方法和工具。

数据来源： 从 CJFH 收集疑似 LRTIs 患者的 BALF 样本，筛选后纳入201名患者进行分析。

宿主基因表达分析： BALF 样本经测序后利用 fastp 进行质控，过滤后数据通过 HISAT2 比对人类参考基因组 hg38 ；基因计数矩阵由 featureCounts 计算并通过 edgeR 标准化为 CPM ；R包 edgeR 进行差异分析；R包 clusterProfiler 用于 GO 和 KEGG 分析。

WGCNA 分析： 使用R包 WGCNA 进行加权基因共表达网络分析，以识别与临床特征显著相关的基因模块。

微生物组分析： 使用 KneadData 去除宿主 reads 后的数据用 Kraken 进行物种水平的微生物组分析，仅在所有样品中最大丰度超过0.1%且平均丰度高于0.01%的物种会进一步分析。

机器学习建模： 使用 Python 包 scikit-learn 构建随机森林、逻辑回归和 SVM 模型，并通过 RFE 进一步筛选特征；通过5折交叉验证评估模型性能，并在独立验证队列中测试模型的鲁棒性。

BALF RNA-seq 数据揭示 LRTIs 和非 LRTIs 之间的不同宿主反应

通过对 BALF mNGS RNA-seq 数据进行转录组分析，研究比较了 LRTIs 与非感染性疾病患者之间的宿主免疫反应差异。在发现队列的两组患者中共识别出766个 DEGs ，其中 LRTI 患者中显著上调的 DEGs 主要与先天免疫反应相关，包括趋化因子配体（如 CCL3L1、CCL3L3 ）和受体（如 CXCR1 ）、白细胞募集相关基因（如 S100A8、S100A9 ）以及病毒感染相关基因（图1A，B）。 KEGG 通路富集分析结果显示，这些 DEGs 显著富集于与感染后的细胞因子反应相关的通路（图1C）。GO分析进一步表明这些 DEGs 在中性粒细胞迁移、趋化以及炎症反应相关过程中发挥重要作用（图1D） 。

图1

LRTIs 的宿主反应与患者的临床特征相关

为评估 LRTIs 的宿主反应与临床特征之间的关联性，研究进行了 WGCNA 分析。在去除患者低表达和异常值的基因后， WGCNA 分析将基因聚类为8个模块，其中绿色模块与患者的 LRTI 状态、病原体类型、 ICU 入住、白细胞计数和中性粒细胞计数显著正相关（图2A）。 KEGG 富集分析显示，绿色模块中的基因主要富集于“ Chemokine signaling pathway ”和“ Cytokine−cytokine receptor interaction ”等与抗感染免疫相关的通路中（图2B）。 PPI 网络显示， CXCR1、VNN2、BST1 等核心基因在感染后免疫细胞募集和激活中起关键作用（图2C）。这些结果证实 绿色模块中的基因参与宿主抗感染反应，并与患者的临床特征密切相关。

图2

基于宿主基因表达特征的 LRTI 状态分类

基于 BALF 数据，研究利用机器学习开发了一个可区分 LRTI 与非 LRTI 患者的分类模型。将发现队列中识别出的 DEGs 视为预测因子，研究构建了 RF、LR 和 SVM 模型，其中 LR 模型在5次交叉验证中表现最佳，用于后续功能选择和参数调优。最终，研究利用 RFE 方法筛选出14个基因作为特征，它们在 LRTI 和非 LRTI 患者之间存在显著的表达差异（图3C）。基于特征基因构建和调优后的 LR 模型在发现队列和验证队列中准确率分别为80.6%和77.9%，并在发现队列内实现了0.86±0.046的平均 AUC （图3A，B）。此外， 研究还开发了一个区分 LRTI 、非 LRTI 和未明确 LRTI 患者的三分类模型 ，准确率为72%（图3D，E）。

图3

基于整合模型的 LRTI 微生物组特征及 LRTI 状态分类

通过对232例样本进行微生物组分析，研究发现 LRTI 患者的α多样性和均一性显著低于非 LRTI 患者，并且微生物负担更高（图4A）。调整抗生素使用和年龄等协变量后，这些差异仍存在，但两组在肺部核心微生物群的读段占比上没有差异（图4C）。 PCoA 分析显示， LRTI 患者的微生物组特征与非 LRTI 患者不同， CAP 相关细菌及肠道相关细菌在 LRTI 患者中更富集（图4D，E）。研究进一步将香农指数、均一性和微生物负担纳入之前的模型并重新调优，整合模型的 AUC 略有增加（0.88），表明 结合 微生物组数据可进一步提高 LRTI 诊断的准确性 （图4F）。

图4

为突破常规检测局限，本文在样本和检测方法上实现了创新。通过分析支气管肺泡灌洗液（ BALF ）的宏转录组测序数据，研究评估了宿主的免疫反应和微生物组的变化，并开发了能有效区分 LRTI 与非 LRTI 患者的机器学习模型。研究发现， LRTIs 的宿主反应表现出细胞因子、趋化因子通路增强以及中性粒细胞活化和募集相关的基因模块特征，同时其下呼吸道微生物组的多样性和均一性显著降低，这可能与病原菌丰度增加有关。此外，研究 利用差异表达基因和微生物组特征开发的诊断分类模型在区分 LRTIs 、non-LRTIs 及不确定状态时表现出较高的准确性，为 LRTIs 的精确诊断提供了可靠方法。