肺炎是全球範圍內感染性疾病死亡的首要原因。與其他主要疾病相比，肺炎患者的診斷與治療仍然滯後，依賴於缺乏分子分辨率且忽視潛在內型的綜合徵定義。我們旨在檢驗這樣一個假設：肺泡空間中動態的病原體特異性宿主反應代表了不同的肺炎內型，並與不同的臨床特徵和結局相關聯。我們前瞻性納入了一個由690例患者組成的隊列（包括免疫功能低下患者），這些患者均為接受機械通氣且已知或疑似肺炎患者，其肺炎病因通過對經支氣管肺泡灌洗（BAL）取得的遠端肺液進行金標準分析並結合臨床裁定而確定。
我們對這些患者的792份BAL液樣本進行了分析，其中包括310份序貫樣本，採用流式細胞術（482例患者）和單細胞RNA測序（170例患者；263份樣本，並補充納入9名健康對照和25名COVID-19後患者，共獲得約240萬個單細胞，涵蓋28種細胞類型），並從電子健康記錄中提取了每日臨床數據（>15,000患者-日）。我們使用機器學習模型識別了肺泡免疫細胞轉錄組中病原體特異性的宿主反應，這些反應與肺泡細胞丰度變化及臨床特徵相關。
我們的結果提示，肺炎的治療策略應根據特定的宿主-病原體相互作用進行個體化制定。
Benjamin Singer持有美國專利US 10,905,706 B2《加速急性肺部炎症消退的組合物與方法》，並擔任Zoe Biosciences科學顧問委員會成員。Alexander Misharin獲得了AbbVie和Merck的研究資助，並收取了Boehringer Ingelheim的諮詢費用。華沙大學Ewa Szczurek實驗室的項目由Merck Healthcare KGaA共同資助。其餘所有作者聲明不存在競爭性利益。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.12.724509v1?rss=1
🏷️ 肺炎內型 宿主-病原體相互作用 支氣管肺泡灌洗液 單細胞RNA測序 肺泡免疫反應 機器學習