单细胞测序技术在脓毒症免疫研究中的应用进展

苏生林; 马金兰; 于弘明; 杨晓军

doi:10.3877/cma.j.issn.2096-1537.2024.03.012

中华重症医学电子杂志 >

2024 , Vol. 10 >Issue 03: 279 - 286

DOI: https://doi.org/10.3877/cma.j.issn.2096-1537.2024.03.012

综述

单细胞测序技术在脓毒症免疫研究中的应用进展

苏生林 ¹ ,
马金兰 ² ,
于弘明 ¹ ,
杨晓军 ^,³^,^†

展开

^1.750004　银川，宁夏医科大学第一临床医学院
^2.750004　银川，宁夏医科大学总医院重症医学科
^3.750004　银川，宁夏医科大学第一临床医学院；750004　银川，宁夏医科大学总医院重症医学科

通信作者：杨晓军，Email：yxjicu@163.com

Copy editor: 卫轲

收稿日期: 2024-04-30

网络出版日期: 2024-09-06

基金资助

宁夏回族自治区重点研发计划项目(2023BEG02024)

版权

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。本刊为电子期刊，以网刊形式出版。

收起

Application of single cell sequencing technology in the study of sepsis immunity

Shenglin Su ¹ ,
Jinlan Ma ² ,
Hongming Yu ¹ ,
Xiaojun Yang ^,³^,^†

Expand

^1.The First Clinical Medical School of Ningxia Medical University, Yinchuan 750004, China
^2.Department of Critical Care Medicine, General Hospital of Ningxia Medical University, Yinchuan 750004, China
^3.The First Clinical Medical School of Ningxia Medical University, Yinchuan 750004, China; Department of Critical Care Medicine, General Hospital of Ningxia Medical University, Yinchuan 750004, China

Corresponding author: Yang Xiaojun, Email: yxjicu@163.com

Received date: 2024-04-30

Online published: 2024-09-06

Copyright

No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.

All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Fold

摘要

脓毒症（sepsis）是一种高病死率的临床综合征，尽管多学科方法不断发展和进步，脓毒症仍可发展为致命的器官衰竭。近年来单细胞测序技术的飞速发展，为脓毒症病理生理机制的探索提供了全新的技术支持，尤其在免疫学方面的应用使得脓毒症的精准防治成为可能。本综述通过回顾近年的相关研究，阐述脓毒症及脓毒症免疫抑制的发生发展，介绍单细胞测序技术在脓毒症及脓毒症免疫抑制研究中的应用进展，旨在探索未来使用单细胞测序技术在脓毒症精准化治疗方面应用的可能性。

关键词： 脓毒症; 单细胞RNA测序; 免疫抑制; 精准医疗

本文引用格式

苏生林 , 马金兰 , 于弘明 , 杨晓军 . 单细胞测序技术在脓毒症免疫研究中的应用进展[J]. 中华重症医学电子杂志, 2024 , 10(03) : 279 -286 . DOI: 10.3877/cma.j.issn.2096-1537.2024.03.012

Abstract

Sepsis is a clinical syndrome with a high mortality rate, and despite the development and advancement of multidisciplinary approaches, sepsis can progress to fatal organ failure. In recent years, the rapid development of single-cell sequencing technology has provided a new technical support for the exploration of the pathophysiological mechanism of sepsis, especially the application in immunology has made the precise prevention and treatment of sepsis possible. This review reviewed relevant studies in recent years, described the occurrence and development of sepsis and sepsis-induced immunosuppression, introduced the application progress of single cell sequencing technology in sepsis and sepsis-induced immunosuppression research, and aimed to explore the possibility of future application of single cell sequencing technology in the precision treatment of sepsis.

Key words： Sepsis; Single-cell RNA sequencing; Immunosuppression; Precision medicine

脓毒症在最新的"脓毒症3.0"共识定义中，被定义为一种危及生命的器官功能障碍，是由宿主对感染的反应失调所引起^[1]。因为脓毒症患者多种潜在的病原体、感染部位、个体化宿主免疫反应和不同器官功能障碍的疾病异质性，以及目前有限的检测和治疗手段，所以没有任何用于脓毒症的诊断性生物标志物或靶向治疗剂是完全有用或有效的。近年来单细胞测序技术的飞速发展为脓毒症病理生理机制的探索提供了全新的技术支持，为脓毒症的精准化治疗提供了全新思路，主要集中在脓毒症免疫衰竭方面的相关研究。本综述旨在总结目前单细胞测序技术在脓毒症研究中的应用，探索应用单细胞测序技术绘制脓毒症患者全免疫细胞图谱，尝试从单细胞层面动态分析脓毒症患者疾病过程的病理生理改变，为未来基于单细胞测序技术指导脓毒症精准化治疗的可能性提供依据。

一、脓毒症分型与脓毒症免疫抑制的发生发展

在"脓毒症3.0"共识定义中，脓毒症定义为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^[1]。值得注意的是，尽管感染是脓毒症定义中的触发事件，但在初次的治疗成功后，异常的免疫反应通常仍然存在，且在脓毒症患者远期预后（康复及再住院率）中产生极大的影响。一项覆盖我国ICU的脓毒症流行病学横断面调查提到，中国大陆ICU收治的患者中有20%诊断脓毒症，90 d病死率为35.5%，而远期病死率高低与免疫系统的稳态恢复有着极大的相关性^[2]。

脓毒症患者免疫系统的过度激活及相关免疫细胞的极度消耗导致免疫稳态空前破坏，而对其有效的恢复主要依赖外源性的补充及过度反应通路的抑制^[3]。当下脓毒症的治疗主要是依靠及时实施支持疗法，例如液体补充、升压药、氧疗、机械通气、及时的感染源控制和广谱抗生素的使用等。针对脓毒症患者主要采用抗炎疗法来对抗过度炎症的临床试验并不成功，因此更加需要精准的靶向免疫治疗。而目前脓毒症复杂的病理生理学机制无法得到系统准确的阐述，使得靶向治疗免疫抑制的研究处于被动局面。对此研究者们提出了许多可能的原因来解释这些早期试验的失败，其中包括脓毒症的异质性、早期识别及早期干预的不足、精准化治疗方案的缺乏等。

（一）脓毒症分型的发展

脓毒症作为一种异质性综合征，具有多种临床和生物学特征，这使得确定脓毒症亚型面临挑战，基于脓毒症亚型概念性及科学性考量，人们提出了各种方法将脓毒症患者进行分类。分析研究现状不难发现，目前研究重点基本围绕将可观察到的异质性分析为脓毒症亚型，以实现个体化免疫调节^[4,5]。不同患者的年龄、感染源、病灶类型和合并症方面存在明显的异质性，病理生理学上也存在显著差异，难以通过现行治疗手段明确不同患者的疗效、并发症发生的种类、发展以及预后，这些都成为脓毒症迈向精准防治道路上的障碍。对于脓毒症的炎症反应，主要发生在两个不同的阶段：促炎阶段和抗炎阶段^[6]，以上阶段在不同个体之间和同一个体不同时期内有所不同，这可以解释以往研究发现的免疫调节治疗方案（例如皮质类固醇、细胞因子消除和抗细胞因子抗体）疗效欠佳的原因，也反映出了脓毒症存在异质性。

一项来自匹兹堡大学医学院Christopher W. Seymour研究团队对63 858例脓毒症患者的回顾性研究中，确定了4种与宿主反应模式和临床结局相关的临床表型，模拟表明这些表型可能有助于理解治疗效果的异质性。其中具有α表型的患者具有较少的异常实验室值和较少的器官功能障碍；具有β表型的患者年龄较大，患有更严重的慢性疾病，并且更可能出现肾脏功能障碍；具有γ表型的患者多表现为升高的炎症指标（如白细胞计数、过早中性粒细胞计数、红细胞沉降率或C反应蛋白），另外还包括白蛋白水平降低和体温升高；而具有δ表型的患者血清乳酸水平升高，转氨酶水平升高，并伴有低血压^[7]。通过这次数据总结分析：（1）确定医院报告中提供的常规临床信息可以在数学上简化为离散的、可重复的脓毒症表型；（2）了解不同的临床表型与宿主免疫反应的生物标志物模式和临床结果的相关性；（3）探索治疗效果的异质性以及临床试验结果对这些表型频率分布的敏感性，这为从不同临床表型预测临床结局及制定后续治疗方案提供了参考。

随着研究技术快速发展，多重代谢组学、蛋白质组学和转录组学提供了揭示脓毒症内型谱的潜力及潜在的治疗靶点。近期发表的一项使用免疫内型定义危重症疾病的队列研究认为，通过脓毒症患者的基因表达模式识别免疫内型可能会指导制定有针对性的干预措施^[8]。利用细胞基因表达特征，ICU中的脓毒症、急性感染和全身炎症反应综合征（systemic inflammatory response syndrome，SIRS）（或"非脓毒症"）^[9,10,11]可以从基因分子层面进行区别。哥伦比亚大学微生物疾病和免疫研究中心收集急诊室及ICU共348例脓毒症患者的基因表达谱，根据脓毒症患者严重感染时的首次临床表现识别基因表达特征，据此预测疾病发展的严重程度，利用机器学习和数据挖掘分析基因表达谱的方法，筛选出5种早期脓毒症患者不同的内型，分别称为中性粒细胞抑制型、炎症型、先天宿主防御型、干扰素型和自适应型^[12]。不同的基因表达特征对脓毒症的预后有着不同的预测效果，表明在严重脓毒症和致死性脓毒症发作之前存在不同的免疫特征，这提供了一种对早期脓毒症患者进行分类的构想^[12]。

然而，既往高通量测序对基因的筛选及预后预测的准确性存在明显的局限性。以往多项全血基因表达研究并没有解决特定细胞类型转录状态的变化^[13]。因此在近年来，随着单细胞测序技术的成熟，其对脓毒症免疫方面的发生发展及病理生理学方面的研究日渐进步。各种细菌感染的脓毒症患者的细胞异质性和潜在机制得到了进一步的研究，并且为脓毒症分层靶向治疗的开发提供了新方向^[14,15]。来自美国马萨诸塞州的研究团队使用来自不同疾病病因和多个地理位置的患者的公开转录组学数据，确定了血液中特定的单核细胞状态^[16]。也有相关研究通过GEO数据库获得了脓毒症样本的单细胞RNA数据，并使用泛凋亡相关基因进行共识聚类和功能富集分析，开发了基于泛凋亡相关基因的预后模型。通过Kaplan-Meier分析显示，具有不同免疫浸润水平的亚型患者之间生存率存在显著差异，这为脓毒症不良预后的生物标志物提供了新思路，也为脓毒症靶向治疗提供了新方向^[17]。

基于脓毒症不同的临床表型及基因表达特征，脓毒症患者将得到更加可靠的病情发展预告。这样的提前预知对医疗工作者在接下来的治疗措施上起到一定的指导性作用，这也将降低脓毒症患者预后并发症的发生率及病死率。

（二）脓毒症免疫抑制的发生发展

宿主先天免疫系统通过一系列模式识别受体（pattern recognition receptor，PRR）识别病原体^[18]。这些PRR识别两种病原体释放的分子，即病原体相关分子模式（pathogen associated molecular patterns，PAMP）和损伤相关分子模式（damage associated molecular patterns，DAMP）。在大多数感染病例中，病原体对机体的侵害会逐渐减少并最终被先天免疫系统消除，而病原体的持续存在将导致宿主免疫反应失调。当受损细胞继续释放DAMP时，它们可以激活和（或）识别PAMP的PRR，从而启动持续免疫激活和器官功能障碍的有害循环^[19]。免疫系统也在持续的感染打击及细胞消耗下出现功能障碍，即免疫麻痹现象。既往研究发现，单核细胞中人白细胞抗原DR（human leukocyte antigen-DR，HLA-DR）的表达可以识别免疫麻痹^[20,21]。多项研究已将单核细胞人白细胞抗原DR（monocyte human leukocyte antigen-DR，mHLA-DR）的低表达与脓毒症和脓毒症休克中的显著不良反应以及更高的短期（>7 d）和远期病死率（>28 d）联系起来^{[22,23,24,25,26,27,28]}。mHLA-DR水平的测量不仅可以作为单核细胞功能和疾病严重程度的标志物，还可以指导以恢复免疫系统功能为基础的创新临床治疗^{[29,30,31,32]}。此外，因为这些治疗靶点部分仅仅是来自测试抗炎药物的阴性试验结果，因此可靠性不足，某些治疗靶点即使被干预，也没有驱动临床中脓毒症的病理生理发生改变。人体为了应对器官损伤，通过免疫激活试图阻止感染源侵入和破坏，这种极端的免疫激活的结果导致免疫细胞多因素紊乱（免疫稳态破坏）。免疫稳态破坏造成的不恰当的炎症反应导致细胞功能受损，包括线粒体功能障碍和异常的细胞死亡机制（如凋亡、NETosis和细胞焦亡），这一结果加剧机体的不同器官功能障碍^[33]。有学者的研究发现，从脓毒症患者、癌症患者和移植供体的肺中分离的免疫细胞也存在细胞分子表达的差异（免疫组织化学染色显示在脾脏中CD4、CD8和HLA-DR细胞广泛缺失，在肺上皮细胞上抑制性受体配体表达增加）。免疫抑制早期识别和早期治疗中的免疫介入为脓毒症的治疗指明新方向。但现阶段的检测手段对于HLA-DR等相关免疫抑制因子的识别有效性和可靠性方面存在不足^[34]。激活和抑制之间的这种必要平衡是由免疫调节剂介导的，这些调节因子与多种免疫失衡疾病有关，包括脓毒症。因此，寻找新方法、新技术对持续免疫抑制进行更加深入地了解，对刺激免疫功能恢复具有深远意义，这也成为当下脓毒症研究的热点。

二、免疫学相关研究中单细胞测序技术的应用

免疫系统是由许多免疫细胞组成的宿主防御系统。多年来，显微镜和流式细胞术的技术发展加速了免疫细胞的分类。然而，这些方法仍然受到细胞类型定义的参数数量和其他条件的限制。经典免疫系统面临着复杂性的挑战，包括健康和疾病中免疫细胞的异质性、发育、分化和微环境^[35]。最近，单细胞RNA测序（single-cell RNA sequencing，scRNA-seq）的进展提高了研究免疫系统的能力，突破了免疫学研究的瓶颈。单个细胞通过转录组分析使用表面标记进行分类，重新定义的细胞类型显示了免疫细胞的极端异质性，这是免疫学的一个重要特征。使用scRNA-seq可以鉴定许多新的细胞类型和分化途径，这些发现激励研究人员提高scRNA-seq技术的通量、灵敏度、精度、成本和便利性，目前已经建立了几种尖端的scRNA-seq方法和平台来满足具有不同要求的不同应用^[36]。

最近的免疫学研究表明，scRNA-seq分析是重建发育轨迹、分化以及识别健康和疾病异质性的强大工具。通过结合蛋白质组^[37,38]、基因组^[39,40]、表观基因组^[41,42]、空间定位^[43,44,45]进行scRNA-seq的单细胞分析。这促进了我们对免疫系统全面的理解，让我们对患者脓毒症期间的免疫改变有了全方位了解和探索的可能性。

脓毒症期间免疫细胞类型特异性特征转录状态的变化是多种多样的，并且很大程度上是未知的。从既往所发现的免疫检查点调节剂和免疫相关不良事件的结合将成为脓毒症研究的另一个热点。由于技术进步，基因表达分析以更高分辨率进行，scRNA-seq可以在单细胞水平确定精确的基因表达模式。基于免疫状态的免疫检查点靶向治疗可能代表着针对这种高度致命疾病治疗的重大进展^[3]。因此，从单细胞层面解析基因表达谱来表征脓毒症患者的免疫细胞状态并使用更加精准的免疫检查点调节剂将会大大改善脓毒症的临床结局。

三、单细胞测序技术与脓毒症的异质性

近年来，单细胞测序技术在脓毒症免疫学方面的研究日益增多，使用单细胞测序技术对于脓毒症的研究也取得了一定的成果。

（一）单细胞测序技术为脓毒症的异质性提供有力证据

就患者一般基础健康状态而言，是否为罹患恶性肿瘤、营养不良、免疫缺陷类疾病、器官移植后免疫抑制剂干预和既往脓毒症患者等均有发生免疫抑制的风险，且罹患脓毒症的概率也较健康人有明显升高^[46]。此外，研究表明年龄>65岁老年患者在脓毒症期免疫抑制尤为明显，表现为持续性淋巴细胞减少、功能性T淋巴细胞减少、调节性T细胞（regulatory T cells，Tregs）和免疫抑制性T淋巴细胞增加^[47]。为更进一步了解不同感染来源继发脓毒症患者的异质性，研究人员使用单细胞测序技术揭示了细菌性肺炎继发脓毒症发病机制中免疫细胞的全部免疫景观，发现在细菌性肺炎继发脓毒症的发病机制中干扰素反应和肿瘤坏死因子α（tumor necrosis factor-α，TNF-α）信号被上调，T细胞和自然杀伤细胞呈现持续衰竭和凋亡特征，而髓系细胞主要在恢复阶段表现出失调，浆细胞不断扩增，单核细胞也可能通过白介素1β（interleukin-1β，IL-1β）信号通路促进T细胞的增殖和耗竭，且由细菌和病毒引起的肺炎继发的脓毒症呈现出不同的免疫反应状态^[48]。在针对不同细菌感染的脓毒症患者免疫反应异质性上，研究表示在大肠埃希菌感染脓毒症患者中发现19个参与表观遗传调控和代谢的特征基因^[49,50,51]，其中DNA损伤调节自噬调节因子1（DNA damage-regulated autophagy modulator 1，DRAM1）被证明可促进大肠埃希菌感染时的自噬和糖酵解，维持促炎单核细胞亚群的存活并分别通过血液和肾组织中的抵抗素和整合素信号通路与其他细胞亚群相互作用，从而诱导全身炎症^[52]。因为靶向特征基因DRAM1，瑞他莫林被鉴定并优化为一种治疗大肠埃希菌脓毒症的潜在药物，其可抑制大肠埃希菌蛋白质的合成^[53]。除此之外，还发现了几种针对其他类型细菌感染脓毒症的靶向药物，包括针对奈瑟菌脓毒症中的C1QA的制霉菌素和针对草绿色链球菌脓毒症中的CTSD的达福普汀^[14,54]。

（二）单细胞测序技术对寻找免疫及细胞代谢差异基因具有优势

脓毒症小鼠模型中单细胞测序分析显示，脓毒症诱导了肝脏内皮细胞的显著减少，尤其是以增殖和分化为特征的亚型^[55]。巨噬细胞在脓毒症期间被募集并释放炎症细胞因子（TNF、IL-1β、IL-6）、趋化因子[C-C趋化因子配体6（C-C chemokine ligand 6，CCL6）、CD14]和转录因子[核因子κB1（nuclear factor κB1，NF-κB1）]，导致肝脏炎症反应^[55]。淋巴细胞的大量凋亡和中性粒细胞的异常募集导致免疫功能紊乱。青蒿琥酯治疗显著提高了96 h内盲肠结扎穿孔小鼠的存活率，并部分缓解或逆转了上述病理特征，减轻了脓毒症对肝脏损伤、炎症和功能障碍的影响^[56,57]。在另外一项小鼠模型实验中确定了与脓毒症进展期间急性肝功能障碍密切相关的内皮细胞（CD31+Sele+Glut1+）和中性粒细胞（Ly6G+Lta4h+Sort1+）亚群。此外，发现转录激活因子（activating transcription factor 4，ATF4）抑制可减轻脓毒症引起的急性肝功能障碍，延长脓毒症小鼠的生存期^[58]。除此之外，还有线粒体相关基因STAT3，ferlin蛋白质家族成员之一MYOF等对脓毒症相关脂肪代谢、免疫调节等方面存在潜在的靶向治疗作用^[59,60]。

在一项使用外周血单核细胞（peripheral blood mononuclear cells，PBMCs）进行单细胞分析的研究中详细显示了T细胞和单核细胞的生物学特性^[61]。单核细胞可以聚类为6个亚群，其在脓毒症病理生理、基因谱和信号通路的改变上具有很大的异质性，且在细胞簇1的集群中代表性的基因表达与脓毒症临床指标具有高度相关性^[48]。通过机器学习筛选出脂质代谢相关基因，将健康对照组和脓毒症患者的多区域免疫景观在单细胞水平上验证中枢基因的免疫功能，结果发现脓毒症中免疫抑制微环境，证实了枢纽基因在免疫细胞中的作用。此外，显著改变的代谢物主要富集在脂质代谢相关信号通路中，并与丝裂原活化蛋白激酶（mitogen-actived protein kinase 14，MAPK14）相关。通过抑制MAPK14降低炎症细胞因子的水平，改善脓毒症患者的心肌损伤并提升其存活率^[62]。同样的，在泛凋亡（PANoptosis）相关基因中，使用16个相关基因进行无聚类分析，确定了脓毒症的3种亚型。Kaplan-Meier分析显示，具有不同免疫浸润水平亚型间患者的生存率存在显著差异。单细胞测序分析确定了6种细胞类型，PANscore聚类相对较高的是B细胞，而PANscore较低的是CD16+和CD14+单核细胞以及巨核细胞祖细胞，ZBP1、XAF1、IFI44L、SOCS1和PARP14在PANscore高的细胞中相对较高^[17]。在针对树突状细胞（dentritic cell，DC）和单核细胞多种特殊亚型在病原体感应、吞噬和抗原呈递中发挥核心作用。然而其相互关系尚未完全了解，故在使用单细胞测序技术对外周血细胞的研究中发现一个新的DC亚群，占所有测试的10个供体中DC群体的2%~3%，其特征是表达AXL、SIGLEC1和SIGLEC6抗原，称为ASDC。尽管ASDC与浆细胞样树突状细胞（plasmacytoid DC，pDC）具有相同的特性，但它们能更有效地激活T细胞。此外，血液DC祖细胞的发现代表了一个在血流中易于操作的新治疗靶点，以及更好的体外DC生成的新来源。虽然目前的结果集中在DC和单核细胞上，但可以应用类似的策略来寻找全免疫细胞的基因特征并以此来构建人类的全免疫细胞基因表达图谱^[63]。全免疫细胞基因表达图谱将提供大量数据以供我们寻找差异基因。已有研究将29个外周血单细胞测序数据包通过机器学习算法分析后确定了脓毒症患者的白细胞免疫球蛋白样受体A5（leukocyte immunoglobulin-like receptor A5，LILRA5）差异基因，并发现了大量未知的LILRA5共表达调控关系，分子对接结果证明了阿替洛尔靶向LILRA5治疗的可能性^[64]。这样针对差异基因采取靶向治疗的方法为脓毒症精准化治疗的实现创造了可能性。

在脓毒症后期的研究中，研究人员观察到细胞群持续富集或耗尽，并进一步发现细胞类型和组织特异性恢复到基线转录组状态的能力^[65]。单细胞测序差异基因表达分析揭示了脓毒症后肌肉和脂肪中关键基因和途径的改变，并强调了炎症和组织损伤信号传导的参与。分析确定促性腺激素释放激素和Bay11-7082为目标化合物，证明它们可以减少脓毒症相关的肌肉或脂肪量丢失^[66]。提示单细胞测序对脓毒症预后康复有一定的指导作用。

四、单细胞测序将指导脓毒症的精准化治疗

尽管对脓毒症免疫反应的理解已取得了很大进展，但尚未转化为新疗法。目前进展的主要障碍是该综合征的定义过于宽泛，包含大量、多维的临床和生物学特征^[7]。既往对于具体生物靶标及免疫细胞来源的二代测序技术提供的支持有限，故针对不同细胞来源的炎症因子无法做到精准预测，而目前单细胞测序技术对不同细胞来源的炎症因子的追溯变得逐渐清晰。利用这项新技术，脓毒症患者可以分为具有不同的病理学表型亚组和内型亚组，基于此构建脓毒症患者免疫图谱，指导脓毒症达到精准化、个体化的治疗。根据免疫图谱分析，低风险患者以常规治疗为主，相比之下，高风险患者可以针对其特定病理生理学特征选择个体化的治疗方案。完备的免疫图谱将指导炎症风暴期的抗感染治疗及远期的免疫恢复治疗，对降低早晚期病死率有着深远意义^[13]。

五、结语

综上所述，近年来对于脓毒症异质性进行的研究以及单细胞测序技术的发展，为脓毒症的精准化、系统化治疗提供了新方向和新思考（图1）。

显示原图|下载原图ZIP|生成PPT

图1 脓毒症的发生发展及单细胞测序绘制全免疫图谱的临床指导作用。图中①病原体进入人体后引发细胞因子风暴，导致脓毒症，造成免疫抑制。图中②通过单细胞测序，寻找差异表达基因，构建全免疫细胞图谱，指导脓毒症患者的早期治疗并促进脓毒症患者的免疫恢复，防止远期并发症的发生，从而降低脓毒症患者的病死率

注：PRRs为模式识别受体；PAMP为病原体相关分子模式；DAMP为损伤相关分子模式；10×Barcoded Gel Beads为10×注释的凝胶微珠；Transposition of Nuclei in bulk为大量细胞核的转座；Oil为油包水结构

研究表明，免疫反应的异常通常发生在脓毒症早期，虽无强烈的组织学改变，但其剧烈的炎症打击反映在后期器官衰竭的严重程度、远期并发症的多少及病死率的高低上。目前对脓毒症引起的全身免疫失调的细胞改变和分子通路机制的了解十分有限，用于脓毒症的诊断性生物标志物和靶向治疗剂也存在一定欠缺。而被广泛用于肿瘤研究的单细胞测序技术以其显著的精准性及快速化特点被大家熟知，其可明确到细胞间的差异性，可以将某个组织中不同的细胞分别进行单独分析，获取更多的样本信息，使免疫学研究得到了很大的进步。

目前脓毒症单细胞层面的研究只是局限在疾病发生发展的某个时期或某个时间段，并没有对脓毒症免疫反应的全程进行动态观察，故而明确脓毒症疾病发生转归的全免疫细胞动态演变及代谢变化显得尤为迫切。动态的免疫细胞分析可以表征转录过渡状态并重建高分辨率轨迹，发现特定免疫细胞类型和基因调控的位点，为疾病诊断和治疗提供强大的细胞基因靶标。这将为临床工作者在患者每个阶段或时期的治疗方案调整、病情演变、减少并发症及降低远期病死率等方面提供指导，使得脓毒症精准化治疗的实现变得更有希望。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	Singer M, Deutschman CS, Seymour CW, et al. The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3) [J]. JAMA, 2016, 315(8): 801-810.

2	Xie J, Wang H, Kang Y, et al. The epidemiology of sepsis in Chinese ICUs: a national cross-sectional survey [J]. Crit Care Med, 2020, 48(3): e209-e218.

3	Liu YC, Shou ST, Chai YF. Immune checkpoints in sepsis: new hopes and challenges [J]. Int Rev Immunol, 2022, 41(2): 207-216.

4	Shankar-Hari M, Calandra T, Soares MP, et al. Reframing sepsis immunobiology for translation: towards informative subtyping and targeted immunomodulatory therapies [J]. Lancet Respir Med, 2024, 12(4): 323-336.

5	Demerle KM, Angus DC, Baillie JK, et al. Sepsis subclasses: a framework for development and interpretation [J]. Crit Care Med, 2021, 49(5): 748-759.

6	Delano MJ, Ward PA. Sepsis-induced immune dysfunction: can immune therapies reduce mortality? [J]. J Clin Invest, 2016, 126(1): 23-31.

7	Seymour CW, Kennedy JN, Wang S, et al. Derivation, validation, and potential treatment implications of novel clinical phenotypes for sepsis [J]. JAMA, 2019, 321(20): 2003-2017.

8	Balch JA, Chen UI, Liesenfeld O, et al. Defining critical illness using immunological endotypes in patients with and without sepsis: a cohort study [J]. Crit Care, 2023, 27(1): 292.

9	Mchugh L, Seldon TA, Brandon RA, et al. A molecular host response assay to discriminate between sepsis and infection-negative systemic inflammation in critically ill patients: discovery and validation in independent cohorts [J]. PLoS Med, 2015, 12(12): e1001916.

10	Sweeney TE, Shidham A, Wong HR, et al. A comprehensive time-course-based multicohort analysis of sepsis and sterile inflammation reveals a robust diagnostic gene set [J]. Sci Transl Med, 2015, 7(287): 287ra71.

11	Scicluna BP, Klein Klouwenberg PM, Van Vught LA, et al. A molecular biomarker to diagnose community-acquired pneumonia on intensive care unit admission [J]. Am J Respir Crit Care Med, 2015, 192(7): 826-835.

12	Baghela A, Pena OM, Lee AH, et al. Predicting sepsis severity at first clinical presentation: The role of endotypes and mechanistic signatures [J]. EBioMedicine, 2022, 75: 103776.

13	Sweeney TE, Khatri P. Benchmarking sepsis gene expression diagnostics using public data [J]. Crit Care Med, 2017, 45(1): 1-10.

14	Sun P, Cui M, Jing J, et al. Deciphering the molecular and cellular atlas of immune cells in septic patients with different bacterial infections [J]. J Transl Med, 2023, 21(1): 777.

15	Kwok AJ, Allcock A, Ferreira RC, et al. Neutrophils and emergency granulopoiesis drive immune suppression and an extreme response endotype during sepsis [J]. Nat Immunol, 2023, 24(5): 767-779.

16	Reyes M, Filbin MR, Bhattacharyya RP, et al. An immune-cell signature of bacterial sepsis [J]. Nat Med, 2020, 26(3): 333-340.

17	Dai W, Zheng P, Wu J, et al. Integrated analysis of single-cell RNA-seq and chipset data unravels PANoptosis-related genes in sepsis [J]. Front Immunol, 2023, 14: 1247131.

18	Takeuchi O, Akira S. Pattern recognition receptors and inflammation [J]. Cell, 2010, 140(6): 805-820.

19	Deutschman CS, Tracey KJ. Sepsis: current dogma and new perspectives [J]. Immunity, 2014, 40(4): 463-475.

20	Boomer JS, To K, Chang KC, et al. Immunosuppression in patients who die of sepsis and multiple organ failure [J]. JAMA, 2011, 306(23): 2594-2605.

21	Joshi I, Carney WP, Rock EP. Utility of monocyte HLA-DR and rationale for therapeutic GM-CSF in sepsis immunoparalysis [J]. Front Immunol, 2023, 14: 1130214.

22	Leijte GP, Rimmelé T, Kox M, et al. Monocytic HLA-DR expression kinetics in septic shock patients with different pathogens, sites of infection and adverse outcomes [J]. Crit Care, 2020, 24(1): 110.

23	Asmussen A, Busch HJ, Helbing T, et al. Monocyte subset distribution and surface expression of HLA-DR and CD14 in patients after cardiopulmonary resuscitation [J]. Sci Rep, 2021, 11(1): 12403.

24	De Roquetaillade C, Dupuis C, Faivre V, et al. Monitoring of circulating monocyte HLA-DR expression in a large cohort of intensive care patients: relation with secondary infections [J]. Ann Intensive Care, 2022, 12(1): 39.

25	Boeddha NP, Kerklaan D, Dunbar A, et al. HLA-DR expression on monocyte subsets in critically ill children [J]. Pediatr Infect Dis J, 2018, 37(10): 1034-1040.

26	Gouel-Chéron A, Allaouchiche B, Guignant C, et al. Early interleukin-6 and slope of monocyte human leukocyte antigen-DR: a powerful association to predict the development of sepsis after major trauma [J]. PLoS One, 2012, 7(3): e33095.

27	Cour-Andlauer F, Morrow BM, Mcculloch M, et al. Decreased human leukocyte antigen DR on circulating monocytes expression after severe pediatric trauma: an exploratory report [J]. Pediatr Crit Care Med, 2021, 22(5): e314-e323.

28	Wu JF, Ma J, Chen J, et al. Changes of monocyte human leukocyte antigen-DR expression as a reliable predictor of mortality in severe sepsis [J]. Crit Care, 2011, 15(5): R220.

29	Remy S, Kolev-Descamps K, Gossez M, et al. Occurrence of marked sepsis-induced immunosuppression in pediatric septic shock: a pilot study [J]. Ann Intensive Care, 2018, 8(1): 36.

30	Winkler MS, Rissiek A, Priefler M, et al. Human leucocyte antigen (HLA-DR) gene expression is reduced in sepsis and correlates with impaired TNFα response: a diagnostic tool for immunosuppression? [J]. PLoS One, 2017, 12(8): e0182427.

31	Pei F, Zhang GR, Zhou LX, et al. Early immunoparalysis was associated with poor prognosis in elderly patients with sepsis: secondary analysis of the ETASS study [J]. Infect Drug Resist, 2020, 13: 2053-2061.

32	Kox M, Frenzel T, Schouten J, et al. COVID-19 patients exhibit less pronounced immune suppression compared with bacterial septic shock patients [J]. Crit Care, 2020, 24(1): 263.

33	Yi JS, Cox MA, Zajac AJ. T-cell exhaustion: characteristics, causes and conversion [J]. Immunology, 2010, 129(4): 474-481.

34	Pfortmueller CA, Meisel C, Fux M, et al. Assessment of immune organ dysfunction in critical illness: utility of innate immune response markers [J]. Intensive Care Med Exp, 2017, 5(1): 49.

35	Stubbington MJT, Rozenblatt-Rosen O, Regev A, et al. Single-cell transcriptomics to explore the immune system in health and disease [J]. Science, 2017, 358(6359): 58-63.

36	Chen H, Ye F, Guo G. Revolutionizing immunology with single-cell RNA sequencing [J]. Cell Mol Immunol, 2019, 16(3): 242-249.

37	Stoeckius M, Hafemeister C, Stephenson W, et al. Simultaneous epitope and transcriptome measurement in single cells [J]. Nat Methods, 2017, 14(9): 865-868.

38	Peterson VM, Zhang KX, Kumar N, et al. Multiplexed quantification of proteins and transcripts in single cells [J]. Nat Biotechnol, 2017, 35(10): 936-939.

39	Dey SS, Kester L, Spanjaard B, et al. Integrated genome and transcriptome sequencing of the same cell [J]. Nat Biotechnol, 2015, 33(3): 285-289.

40	Macaulay IC, Haerty W, Kumar P, et al. G&T-seq: parallel sequencing of single-cell genomes and transcriptomes [J]. Nat Methods, 2015, 12(6): 519-522.

41	Bian S, Hou Y, Zhou X, et al. Single-cell multiomics sequencing and analyses of human colorectal cancer [J]. Science, 2018, 362(6418): 1060-1063.

42	Hu Y, Huang K, An Q, et al. Simultaneous profiling of transcriptome and DNA methylome from a single cell [J]. Genome Biol, 2016, 17: 88.

43	Wang X, Allen WE, Wright MA, et al. Three-dimensional intact-tissue sequencing of single-cell transcriptional states [J]. Science, 2018, 361(6400): eaat5691.

44	Peng G, Suo S, Chen J, et al. Spatial transcriptome for the molecular annotation of lineage fates and cell identity in mid-gastrula mouse embryo [J]. Dev Cell, 2016, 36(6): 681-697.

45	Chen J, Suo S, Tam PP, et al. Spatial transcriptomic analysis of cryosectioned tissue samples with Geo-seq [J]. Nat Protoc, 2017, 12(3): 566-580.

46	Pei F, Yao RQ, Ren C, et al. Expert consensus on the monitoring and treatment of sepsis-induced immunosuppression [J]. Mil Med Res, 2022, 9(1): 74.

47	Inoue S, Suzuki-Utsunomiya K, Okada Y, et al. Reduction of immunocompetent T cells followed by prolonged lymphopenia in severe sepsis in the elderly [J]. Crit Care Med, 2013, 41(3): 810-819.

48	Wang T, Zhang X, Liu Z, et al. Single-cell RNA sequencing reveals the sustained immune cell dysfunction in the pathogenesis of sepsis secondary to bacterial pneumonia [J]. Genomics, 2021, 113(3): 1219-1233.

49	Misheva M, Kotzamanis K, Davies LC, et al. Oxylipin metabolism is controlled by mitochondrial β-oxidation during bacterial inflammation [J]. Nat Commun, 2022, 13(1): 139.

50	Wu M, Huang Z, Huang W, et al. microRNA-124-3p attenuates myocardial injury in sepsis via modulating SP1/HDAC4/HIF-1α axis [J]. Cell Death Discov, 2022, 8(1): 40.

51	Almansa R, Heredia-Rodríguez M, Gomez-Sanchez E, et al. Transcriptomic correlates of organ failure extent in sepsis [J]. J Infect, 2015, 70(5): 445-456.

52	Xie X, Le L, Fan Y, et al. Autophagy is induced through the ROS-TP53-DRAM1 pathway in response to mitochondrial protein synthesis inhibition [J]. Autophagy, 2012, 8(7): 1071-1084.

53	Meydan S, Marks J, Klepacki D, et al. Retapamulin-assisted ribosome profiling reveals the alternative bacterial proteome [J]. Mol Cell, 2019, 74(3): 481-493.e496.

54	Zheng W, Wang X, Liu J, et al. Single-cell analyses highlight the proinflammatory contribution of C1q-high monocytes to Behçet’s disease [J]. Proc Natl Acad Sci U S A, 2022, 119(26): e2204289119.

55	Murao A, Jha A, Aziz M, et al. Transcriptomic profiling of immune cells in murine polymicrobial sepsis [J]. Front Immunol, 2024, 15: 1347453.

56	He XL, Chen JY, Feng YL, et al. Single-cell RNA sequencing deciphers the mechanism of sepsis-induced liver injury and the therapeutic effects of artesunate [J]. Acta Pharmacol Sin, 2023, 44(9): 1801-1814.

57	Gu J, Xu Y, Hua D, et al. Role of artesunate in autoimmune diseases and signaling pathways [J]. Immunotherapy, 2023, 15(14): 1183-1193.

58	Chen G, Ren C, Xiao Y, et al. Time-resolved single-cell transcriptomics reveals the landscape and dynamics of hepatic cells in sepsis-induced acute liver dysfunction [J]. JHEP Rep, 2023, 5(6): 100718.

59	Zhang YF, Yi ZJ, Zhang WF, et al. Single-cell sequencing reveals MYOF-enriched monocyte/macrophage subcluster as a favorable prognostic factor in sepsis [J]. Adv Biol (Weinh), 2024: e2300673.

60	Li R, Li X, Zhao J, et al. Mitochondrial STAT3 exacerbates LPS-induced sepsis by driving CPT1a-mediated fatty acid oxidation [J]. Theranostics, 2022, 12(2): 976-998.

61	Wen M, Cai G, Ye J, et al. Single-cell transcriptomics reveals the alteration of peripheral blood mononuclear cells driven by sepsis [J]. Ann Transl Med, 2020, 8(4): 125.

62	She H, Tan L, Wang Y, et al. Integrative single-cell RNA sequencing and metabolomics decipher the imbalanced lipid-metabolism in maladaptive immune responses during sepsis [J]. Front Immunol, 2023, 14: 1181697.

63	Villani AC, Satija R, Reynolds G, et al. Single-cell RNA-seq reveals new types of human blood dendritic cells, monocytes, and progenitors [J]. Science, 2017, 356(6335): eaah4573.

64	Ning J, Fan X, Sun K, et al. Single-cell sequence analysis combined with multiple machine learning to identify markers in sepsis patients: LILRA5 [J]. Inflammation, 2023, 46(4): 1236-1254.

65	Franzén O, Gan LM, Björkegren JLM. PanglaoDB: a web server for exploration of mouse and human single-cell RNA sequencing data [J]. Database (Oxford), 2019: baz046.

66	Cho DS, Schmitt RE, Dasgupta A, et al. Single-cell deconstruction of post-sepsis skeletal muscle and adipose tissue microenvironments [J]. J Cachexia Sarcopenia Muscle, 2020, 11(5): 1351-1363.

Options

文章导航

模态框（Modal）标题

摘要