American journal of respiratory and critical care medicine
整合宿主-microbe多组学预测脓毒症死亡率
小赛推荐：
该研究通过整合宿主转录组、血浆蛋白质组和微生物宏基因组数据，揭示了与脓毒症死亡率相关的关键宿主和微生物特征，并开发出优于传统评分系统的预测模型。
文献概述
本文《Host-microbe multiomic profiling predicts mortality in sepsis》，发表于American journal of respiratory and critical care medicine杂志，回顾并总结了在重症患者中利用多组学方法联合分析宿主免疫反应与病原微生物特征以预测脓毒症死亡率的研究。研究纳入321名危重成人，通过全血转录组测序、血浆蛋白质组检测及无细胞DNA宏基因组测序，系统评估了与院内死亡率相关的分子标志物，并构建了集成宿主-微生物的机器学习分类器。结果显示，中性粒细胞脱颗粒基因上调、T细胞信号通路下调、IL-8水平升高以及血浆微生物DNA总量和细菌优势度增加均显著关联死亡率。最终，整合模型AUC达0.79，优于APACHE-III评分。该工作为脓毒症预后评估提供了新视角和工具。背景知识
脓毒症是宿主对感染的失调免疫反应所致的危及生命的器官功能障碍，是住院患者死亡的主要原因之一。尽管临床定义明确（Sepsis-3），但其异质性强，病程高度个体化，导致诊断和预后判断困难。传统风险评分如APACHE-III或SOFA主要依赖生理参数和临床指标，缺乏对生物学机制的深入解析。近年来，宿主转录组学被用于识别脓毒症亚型（如SRS1高死亡率表型）并构建预后模型，但多忽略病原体本身的作用。而病原体类型、载量及群落结构可能直接影响宿主免疫应答强度和治疗效果。宏基因组测序技术的发展使得无需培养即可从血浆中同时捕获微生物核酸和宿主转录信息，为“宿主-微生物互作”研究提供了新路径。然而，如何整合这些多层次数据以提升预后预测性能仍待探索。本研究正是在此背景下，提出联合宿主免疫特征与微生物组特征可更全面反映疾病严重程度，从而提高死亡率预测准确性，填补了现有研究空白。
研究方法与实验
研究基于前瞻性队列EARLI，纳入321例从急诊进入ICU的危重成人，依据Sepsis-2标准进行脓毒症判定。采集入院24小时内全血和血浆样本，分别进行转录组测序（RNA-seq）、炎症因子ELISA检测（包括IL-6、IL-8等）以及血浆游离DNA的宏基因组测序。通过差异表达分析、通路富集分析（ORA）和机器学习建模（支持向量机）评估各组学数据与院内死亡率的关联。构建独立的宿主转录组和微生物宏基因组分类器，并通过逻辑回归融合为集成模型。采用10折交叉验证评估模型性能（AUC），并与APACHE-III和SRSq评分比较。同时，在复合“明确或可能脓毒症”组及外部独立队列中验证结果。关键结论与观点
研究意义与展望
本研究首次系统整合宿主转录组与微生物宏基因组数据，揭示了脓毒症死亡率背后的多维度生物学机制，强调了宿主-微生物互作在疾病进展中的核心地位。所建立的集成预测模型性能优于传统临床评分，显示出潜在临床转化价值，尤其在早期风险分层和个体化治疗决策中。
未来研究可在更大队列中验证该模型，并探索其在抗菌治疗指导、免疫调节疗法选择等方面的应用潜力。此外，动态监测宿主-微生物多组学变化可能进一步揭示疾病轨迹演变规律，助力实现精准重症医学。
结语
本研究通过多组学整合分析，系统描绘了与脓毒症死亡率相关的宿主免疫和微生物特征。研究发现，死亡患者表现出中性粒细胞活化增强、T细胞信号受损、IL-8水平升高，同时伴有更高的血浆微生物DNA载量和细菌优势度。这些发现不仅深化了对脓毒症致死机制的理解，也提示中性粒细胞驱动的炎症程序可能是危重症患者共同的死亡通路。基于此，研究构建了集成宿主转录组与微生物宏基因组的预测模型，其性能显著优于传统APACHE-III评分，展现出更高的临床应用潜力。该工作为脓毒症预后评估提供了新范式，强调了联合宿主与病原体信息的重要性，有望推动未来向更精准的个体化重症管理迈进。同时，研究也为开发新型生物标志物和治疗靶点提供了重要线索。
