醫學
狼瘡性腎炎（LN）是系統性紅斑狼瘡（SLE）的一種嚴重表現，其特徵為異質性的腎臟病理改變，並且在診斷、預後評估和治療選擇方面依賴侵入性腎活檢。當前外周臨床標誌物無法充分反映疾病活動度及進展情況。在本研究中，我們在大型縱向的 Accelerating Medicines Partnership Rheumatoid Arthritis/SLE 隊列中，對270例LN患者和63名健康對照的血清中超過5,000種蛋白進行了全面蛋白質組學分析。
機器學習識別出不同的分子特徵，這些特徵可用於區分LN與健康對照、鑑別組織學分型，並界定與活動性和慢性化相關的通路，包括炎性細胞因子、PI3K/AKT、TGFβ以及補體/凝血通路。VSIG4、CD27、HAVCR1和LAIR1的升高在多種臨床情境中持續表現為最重要的生物標誌物，而這些標誌物在3個月時的早期下降與1年時達到完全治療反應相關。通過解析與關鍵炎症、PI3K/AKT、TGFβ及補體通路相關的協同血清蛋白模組，這些特徵從機制上將循環蛋白質組擾動與LN中腎內免疫啟用、組織損傷和修復聯繫起來。
這些發現表明，血清蛋白質組學能夠反映複雜的腎內免疫病理過程，併為優化LN分型和指導個體化管理提供了一種有前景的無創液體活檢方法，可能減少對重複侵入性活檢的需求，並改善治療決策。
PI曾為Hanshoh Bio提供諮詢服務。其他所有感謝您關注並幫助傳播bioRxiv的相關資訊。
注意：要求提供您的電子電郵地址，僅用於將您識別為本文的發送者。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.08.723858v1?rss=1
🏷️ 狼瘡性腎炎 血清蛋白質組學 生物標誌物 治療反應預測 免疫通路 機器學習