- 4 次围观
通过机器学习发现的血液生物标志物在临床应用中往往缺乏疾病特异性以及跨人群稳健性。我们描述了一种生物标志物发现策略，该策略利用单核细胞作为循环哨兵，以放大血液中由疾病扰动产生的信号。该策略依托于 monocyteMINER——一个基于1,202名健康个体单核细胞转录组推断得到的机制性转录调控网络。 作为概念验证，我们发现了一个由31个基因组成的动脉粥样硬化扰动网络，该网络支撑疾病病因学，并鉴定出用于冠状动脉疾病的诊断特征（ARAP2、P2RY14、FKBP15）以及用于急性心肌梗死的诊断特征（SERPINA1、ASGR2）。对于结核病（TB），monocyteMINER仅基于438份样本便鉴定出一个由5个基因组成的特征（MAS_TB_META5：ANKRD22、AIM2、VAMP5、GBP5、TGM2）。MAS_TB_META5在18个队列（>4,400名患者，12个国家）中优于现有77种特征，达到了世界卫生组织（WHO）高敏感性筛查的目标产品特征要求（包括在晚期HIV患者中），并且能够在诊断前最长5年预测结核病进展。因此，我们的研究结果表明，monocyteMINER为发现适用于多种疾病、具有临床可操作性的生物标志物提供了一个具有普适性的发现平台。
通过机器学习发现的血液生物标志物通常缺乏疾病特异性和跨人群稳健性，因而限制了其临床应用。我们提出了一种生物标志物发现策略，该策略利用单核细胞作为循环哨兵，以放大血液中由疾病扰动的信号。该策略依托于 monocyteMINER——一个基于1,202名健康个体单核细胞转录组推断得到的机制性转录调控网络。作为概念验证，我们鉴定出一个由31个基因组成的动脉粥样硬化扰动网络，该网络支撑疾病病因学，并据此识别出用于冠状动脉疾病诊断的特征标志物（ARAP2、P2RY14、FKBP15）以及用于急性心肌梗死诊断的特征标志物（SERPINA1、ASGR2）。对于结核病（TB），monocyteMINER 仅基于438份样本便发现了一个由5个基因组成的特征标志物（MAS_TB_META5：ANKRD22、AIM2、VAMP5、GBP5、TGM2）。在18个队列（覆盖12个国家、超过4,400名患者）中，MAS_TB_META5 的表现优于现有77种特征标志物，达到了世界卫生组织针对高敏感性筛查的目标产品特征要求（包括在晚期 HIV 患者中），并且能够在确诊前最长5年预测结核病进展。因此，我们的研究结果表明，monocyteMINER 为发现适用于多种疾病、具有临床可操作性的生物标志物提供了一个具有普适性的发现平台。
M.L.A.-O 和 N.S.B. 是一项专利申请中的发明人，该专利涉及利用 monocyteMINER 框架发现疾病转录生物标志物，以及本研究报告的用于动脉粥样硬化相关疾病和活动性结核病检测及结核病进展预测的基因组合。
感谢您关注并帮助传播 bioRxiv 的信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.04.736372v1?rss=1
🏷️ 单核细胞 转录组生物标志物 机器学习 疾病诊断 结核病 冠状动脉疾病