背景：脓毒症缺乏可靠的早期诊断和治疗的生物标志物。本研究整合系统生物学方法、加权基因共表达网络分析(weighted gene coexpression network analysis, WGCNA)及实验验证，旨在鉴定新型诊断与治疗靶点。
方法：研究人员分析了四个脓毒症相关的基因表达综合(Gene Expression Omnibus, GEO)数据集，以鉴定差异表达基因(differentially expressed genes, DEGs)和共表达模块。研究人员利用机器学习算法从DEGs与模块枢纽基因的交集中筛选候选生物标志物，并通过受试者工作特征(receiver operating characteristic, ROC)曲线分析及免疫浸润评估进行验证。研究人员采用脂多糖(lipopolysaccharide, LPS)刺激的THP-1细胞体外模型，对排名首位的候选基因进行生物学功能验证。
结果：研究人员鉴定出多肽N-乙酰半乳糖胺基转移酶14(polypeptide N-acetylgalactosaminyltransferase 14, GALNT14)为稳健的诊断生物标志物（曲线下面积area under the curve, AUC = 0.79），其表达与中性粒细胞及单核细胞浸润显著相关。体外验证证实GALNT14在脓毒症模型中表达上调。功能实验显示，敲低GALNT14显著抑制白细胞介素-1β(interleukin-1β, IL-1β)、白细胞介素-6(interleukin-6, IL-6)及肿瘤坏死因子-α(tumor necrosis factor-α, TNF-α)等促炎细胞因子释放，而其过表达则加剧炎症反应并调控细胞凋亡。
结论：通过人工智能驱动的生物信息学与湿实验验证相结合的协同框架，本研究确定GALNT14是一种极具潜力的诊断生物标志物及治疗靶点，并在机制上将其与脓毒症炎症反应的调控联系起来。
该研究针对脓毒症缺乏高特异性早期诊断标志物与有效治疗靶点的临床难题展开。脓毒症是由宿主对感染的反应失调引起的危及生命的器官功能障碍，全球每年影响数百万患者且死亡率居高不下。由于脓毒症临床表现异质性强，传统生物标志物如降钙素原(procalcitonin, PCT)与C反应蛋白(C-reactive protein, CRP)特异性有限，而presepsin、中区肾上腺髓质素前体(midregional proadrenomedullin, MR-proADM)等新标志物仍需大规模临床验证。因此，研究人员结合高通量测序技术与人工智能(artificial intelligence, AI)方法，旨在通过整合多组学数据与实验验证，挖掘脓毒症特异性分子靶点。该研究发表于《HUMAN MUTATION》。
研究人员主要采用四个独立GEO数据集（GSE95233、GSE57065、GSE65682、GSE54514）构成的样本队列，涵盖脓毒症患者与健康对照及生存分层数据。关键技术包括：基于稳健多阵列平均(robust multiarray average, RMA)算法的数据标准化与ComBat批次校正；利用线性模型微阵列分析(Linear Models for Microarray Data, limma)包筛选差异表达基因(differentially expressed genes, DEGs)；采用加权基因共表达网络分析(weighted gene coexpression network analysis, WGCNA)识别疾病相关模块；运用受试者工作特征(receiver operating characteristic, ROC)曲线评估诊断效能；通过单样本基因集富集分析(single-sample Gene Set Enrichment Analysis, ssGSEA)量化免疫细胞浸润；并利用脂多糖(lipopolysaccharide, LPS)诱导的THP-1巨噬细胞模型进行基因敲低与过表达的功能验证。
研究结果如下：
转录组景观与稳健差异表达基因的鉴定。研究人员通过对四个数据集的整合分析，经主成分分析(principal component analysis, PCA)与层次聚类证实脓毒症样本与对照组存在显著转录组分离。差异表达分析最终鉴定出585个共有差异表达基因，其中S100A8、S100A12、基质金属蛋白酶9(matrix metalloproteinase 9, MMP9)等炎症介质显著上调。
功能富集揭示先天免疫激活与代谢重编程。基因本体论(Gene Ontology, GO)分析显示差异表达基因主要富集于“白细胞介导的免疫”与“中性粒细胞脱颗粒”等急性炎症过程；京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路分析提示造血细胞谱系与辅助性T细胞17(T helper 17, Th17)分化通路激活；基因集富集分析(Gene Set Enrichment Analysis, GSEA)进一步揭示脓毒症中存在向糖酵解代谢偏移及适应性免疫功能抑制的现象。
WGCNA识别与疾病严重程度相关的脓毒症特异性模块。研究人员构建无尺度共表达网络，鉴定出蓝色模块与脓毒症状态呈最强正相关（相关系数最高达0.93）。该模块内的枢纽基因如CARD6、LBR等具有高模块成员(module membership, MM)与高基因显著性(gene significance, GS)。
网络分析驱动发现GALNT14作为诊断生物标志物。研究人员将共有差异表达基因与蓝色模块枢纽基因取交集，获得212个候选基因。经蛋白-蛋白相互作用(protein-protein interaction, PPI)网络筛选，确定GALNT14为核心候选物。其在脓毒症患者中显著上调，ROC曲线分析显示诊断效能AUC为0.79，与乳铁蛋白(lactoferrin, LTF)等标志物相当。
GALNT14与中性粒细胞驱动的免疫浸润相关。ssGSEA分析显示脓毒症状态下固有免疫细胞（中性粒细胞、单核细胞）扩张而适应性免疫细胞（辅助性T细胞等）耗竭。GALNT14表达与中性粒细胞及单核细胞浸润水平呈强正相关，与辅助性T细胞2(T helper 2, Th2)细胞呈负相关。
实验验证：GALNT14促进炎症与凋亡。在LPS刺激的THP-1细胞中，敲低GALNT14使IL-1β、IL-6及TNF-α的mRNA表达降低50%–60%；而过表达GALNT14则使细胞因子产生增加1.5至2倍。流式细胞术检测显示，敲低GALNT14可将细胞凋亡率由23.4%降至12%–15%，而过表达则使凋亡率升至16.7%，证实GALNT14通过促进炎症与细胞凋亡加剧脓毒症病理损伤。
讨论与结论部分指出，该研究通过“干湿结合”策略首次阐明GALNT14在脓毒症中的功能机制。既往研究多聚焦于GALNT14在肿瘤糖基化中的作用，本研究填补了其在感染性疾病领域的空白。研究人员推测GALNT14可能通过调节Toll样受体4(Toll-like receptor 4, TLR4)等关键受体的O-糖基化修饰，影响核因子κB(nuclear factor-kappa B, NF-κB)信号通路进而调控炎症。尽管LTF的诊断AUC略高于GALNT14，但GALNT14作为GalNAc转移酶具有独特的靶向干预潜力。研究局限性在于体外模型未能完全模拟脓毒症双相免疫进程，未来需在原代细胞及动物模型中进一步验证。综上所述，该研究确定GALNT14不仅是具有临床应用前景的诊断工具，更是脓毒症免疫调节的潜在治疗靶点。
