Allergy
引人注目的呼吸症状模式与儿童哮喘诊断研究

小赛推荐：

该研究通过数据驱动的半监督聚类分析方法，在三个出生队列中识别出五种不同的呼吸症状聚类，其中两种聚类与更严重的哮喘表型相关，且与多种触发因素有关，为个性化治疗和精准医学提供新的视角。

 

文献概述
本文《Patterns of Respiratory Symptoms and Asthma Diagnosis in School-Age Children: Three Birth Cohorts》，发表于《Allergy》杂志，回顾并总结了儿童哮喘的异质性，以及通过半监督聚类分析识别哮喘亚型的创新方法。文章强调通过症状频率、严重程度和触发因素等多维度数据，可更准确地反映哮喘的生物学机制和临床表型。

背景知识
哮喘 是一种慢性气道炎症疾病，其异质性一直是精准医学研究的重点。传统方法主要基于喘息的存在与否来定义表型，但这种方法往往无法准确反映不同亚型的病理机制。近年来，数据驱动的聚类分析方法被用于识别哮喘的不同表型，以期找到更相关的生物标志物和遗传因素。本研究采用了半监督聚类方法，结合哮喘诊断信息，从症状报告中识别出五种不同的呼吸症状聚类，其中两个聚类与更严重的哮喘表型相关。研究还进一步分析了这些聚类与早期生命风险因素、遗传变异及肺功能等客观临床指标之间的关联。这些发现对于哮喘的个性化治疗和预防策略具有重要意义，特别是在早期干预和靶向治疗方面。

 

构建更接近人类生理和病理特征的动物模型，支持哮喘相关机制研究和药物开发。

了解更多

 

研究方法与实验
研究使用 Partitioning Around Medoids（PAM）聚类方法，对三个英国出生队列（MAAS、SEATON、ASHFORD）中8至10岁儿童的呼吸症状、触发因素及严重程度进行分析。研究纳入15个变量，包括儿童早期喘息史、当前喘息的触发因素（如运动、感冒、天气、花粉等）及严重程度（如喘息影响语言能力）以及其他呼吸症状（如气短和胸闷）。此外，研究还结合哮喘诊断信息进行半监督聚类，以优化聚类数量。

关键结论与观点

• 通过聚类分析，研究识别出五种不同的呼吸症状模式，其中两个聚类与哮喘高度相关：PMTS（persistent, multiple-trigger, more severe）和PIM（persistent, infection-triggered, milder）。
• 两个哮喘高发聚类（C2和C4）在肺功能、FeNO 和气道高反应性方面有显著差异，PMTS组在成年后肺功能更差，FeNO和气道高反应性更高。
• 在无哮喘儿童中，研究也识别出两个其他聚类：MRW（mild-remitting wheeze）和PBRA（post-bronchiolitis resolving asthma），后者与婴儿期RSV细支气iology相关。
• 通过分析早期生活因素，研究发现C3聚类（PBRA）与婴儿期住院和喘息加重显著相关，提示早期RSV感染可能在该表型中起关键作用。
• 研究进一步验证了不同队列中聚类的稳定性，发现呼吸症状模式在不同队列中具有高度一致性，但缺少胸闷和气短数据的ASHFORD队列中仅能识别四个聚类，提示这些变量对表型区分具有重要价值。

研究意义与展望
本研究通过多维聚类方法，为哮喘的异质性提供了新的理解，有助于在临床实践中更精准地识别哮喘亚型，推动个性化治疗策略的发展。未来研究可进一步验证这些表型在不同种族和地理人群中的适用性，并探索其与免疫机制、过敏表型的关联，为哮喘的精准医学提供数据支持。

 

提供基因功能研究、疾病模型构建、药物筛选和药效评估服务，支持哮喘机制探索与治疗策略优化。

了解更多

 

结语
该研究采用半监督聚类方法，识别出儿童哮喘的多种呼吸症状模式，并与遗传、早期生活因素及长期临床结局相关联。研究不仅揭示了哮喘的异质性，还提供了潜在的表型-机制关联，为未来个性化治疗提供了理论基础。通过症状报告、基因数据和临床指标的整合，研究展示了数据驱动方法在精准医学中的强大潜力，也为赛业生物等机构在哮喘相关动物模型、基因编辑服务和药效评价方面提供了研究应用方向。

 

Alex Cucco, Angela Simpson, Sadia Haider, Adnan Custovic, and STELAR/UNICORN Investigators. Patterns of Respiratory Symptoms and Asthma Diagnosis in School‐Age Children: Three Birth Cohorts. Allergy.