慢性鼻竇炎伴鼻息肉（CRSwNP）是一種常見的鼻部疾病，其中2型慢性鼻竇炎伴鼻息肉（T₂ CRSwNP）常與嚴重癥狀和高復發率相關。目前，T₂ CRSwNP的診斷主要依賴于鼻息肉組織中的炎癥標志物，但獲取組織樣本具有侵入性且存在局限性。為了開發一種非侵入性的診斷方法，本研究利用蛋白質組學分析技術，結合機器學習算法，系統評估了鼻液和血清中的炎癥相關蛋白表達，旨在建立一個用于T₂ CRSwNP診斷的預測模型。通過對82例CRSwNP患者的樣本進行分析，研究人員成功識別出23種在鼻液中失調的蛋白和16種在血清中失調的蛋白，并利用Lasso回歸篩選出4種關鍵生物標志物（GDNF、MCP-4、TGFB1和CST5），構建了T₂ CRSwNP診斷模型。該模型在訓練集、測試集和驗證集中的曲線下面積（AUC）值分別達到0.91、0.91和0.92，顯示出較高的預測準確性。此外，GDNF和MCP-4被確定為CRSwNP術后復發的獨立預后生物標志物。本研究不僅為T₂ CRSwNP的診斷提供了一種簡單、非侵入性的新方法，還為預測術后復發提供了潛在的生物標志物，有望改善患者的臨床管理。

如何通過非侵入性樣本（鼻液和血清）的蛋白質組學分析，結合機器學習技術，開發一種準確、可靠的T₂ CRSwNP診斷模型，并利用該模型預測術后復發風險，從而為臨床診斷和治療提供新的工具和方法

CRSwNP患者：共82例

對照組：6例（用于鼻液和血清分析，但不包括在聚類分析中）

外部驗證隊列：30例（用于驗證T₂NPS模型的準確性）

Olink

（技術服務由伯豪生物提供）

1. 一致性聚類分析揭示2型慢性鼻竇炎伴鼻息肉的炎癥生物標志物特征

為了深入探究CRSwNP的炎癥模式，研究人員對82例慢性鼻竇炎伴鼻息肉（CRSwNP）患者的臨床特征進行了總結，利用Luminex和ELISA技術檢測了鼻息肉組織中的16種炎癥標志物，這些標志物在以往的研究中已被證實與該疾病密切相關。然而，由于部分標志物（如IL-33、GM-CSF、IL-22、IL-31）的濃度超出檢測范圍，因此共有12種標志物被納入后續的一致性聚類分析。通過構建一致性矩陣，研究人員確定了最佳聚類數為6（k=6）（圖1A， eFigure 1A, B）。主成分分析（PCA）圖也清晰地揭示了六個不同的炎癥聚類群之間的顯著差異。

具體而言，Cluster 1顯示出最高的局部2型生物標志物水平（圖1B），血液和組織中的嗜酸性粒細胞計數升高，且哮喘患者比例更高（圖1C-E）。Cluster 2顯示出類似的T2特征，但與Cluster 1相比，炎癥模式較輕（圖1B）。Cluster 3顯示出髓過氧化物酶（MPO）、白介素-1β（IL-1β）、白介素-6（IL-6）和白介素-8（IL-8）水平升高，而Cluster 4顯示出干擾素-γ（IFN-γ）、白介素-17A（IL-17A）、腫瘤壞死因子-α（TNF-α）、白介素-1β（IL-1β）和白介素-6（IL-6）水平增加，并且血液或組織中的中性粒細胞計數更高（圖1B）。Cluster 5的整體細胞因子水平低于第4類，但顯示出有修正手術史的患者比例更高。Cluster 6顯示出整體低炎癥特征。在不同類群之間，術后內窺鏡鼻竇手術（ESS）后的改良Lund-Kennedy（MLK）評分（P=0.030）和視覺模擬量表（VAS）評分（P=0.046）存在顯著差異（圖1D），息肉組織中的嗜酸性粒細胞計數也存在顯著差異（P=0.001，圖1E）。

本研究通過聚類分析將CRSwNP患者分為6個亞群。其中，Clusters 1 and 2因表現出高水平的IL-5、IL-13、骨橋蛋白、ECP和ALB，且伴有嗜酸性粒細胞浸潤，被歸類為T2 CRSwNP（圖1F）。相反， Clusters 3至6因2型生物標志物水平低或無法檢測到，被歸類為非T₂ CRSwNP（見圖1F）。與非T₂患者相比，T₂ CRSwNP患者的L-M評分、SNOT-22評分和VAS評分顯著更高（P<0.05），盡管總 MLK 評分的差異沒有統計學意義（P=0.202）。此外，T2 CRSwNP組的哮喘共病比例和術后息肉復發率更高（P<0.05），這與以往研究結果一致。

2. 建立機器學習基準框架

接著，作者利用先前標記的息肉組織分類注釋，開發了一個監督機器學習（ML）模型，用于為后續注釋提供“標簽”。作者對82例CRSwNP病例的鼻液蛋白質組（92種生物標志物）、血清蛋白質組（92種生物標志物）以及合并數據集（184種生物標志物）進行了分析。機器學習框架如圖2所示。

3. 通過機器學習算法利用鼻液和血清生物標志物開發2型鼻息肉特征（T₂NPS）模型

在探索2型鼻息肉（T2NPS）診斷新方法的征程中，作者對多種算法進行了深入評估，包括Lasso回歸、邏輯回歸、隨機森林、決策樹和XGBoost。在這一過程中，Lasso回歸模型憑借其卓越的性能脫穎而出，它在訓練集和測試集中的AUC值分別達到了0.91，遠超行業公認的高準確度標準（AUC≥0.8）（圖3A-C）。這一模型不僅展現了極高的預測精度，還在敏感性、特異性等關鍵指標上均超過了0.85，在診斷2型鼻息肉方面的具有巨大潛力。作者將這一模型命名為“2型鼻息肉特征（T₂NPS）”，它不僅為鼻息肉的精準診斷開辟了新路徑，更為未來相關疾病的研究和治療提供了寶貴的參考。

作者通過優化的Lasso回歸模型，成功識別出GDNF、MCP-4、TGFB1和CST5這四個關鍵生物標志物，構建了用于2型鼻息肉（T₂NPS）診斷的模型。該模型在調整性別和年齡因素后，展現出極高的預測準確性，其在校準圖中預測值與觀測值高度一致，外部驗證隊列中AUC值達到0.92。隨機森林分析進一步確認了這些生物標志物的預測價值，且與傳統生物標志物相比，T₂NPS模型在預測T₂ CRSwNP方面更為精準，為臨床診斷提供了有力支持。

4. 關鍵生物標志物的表達驗證和免疫組化

本研究通過RT-qPCR分析檢測了GDNF、MCP-4、TGFB1和CST5在T₂ CRSwNP患者和非T₂ CRSwNP患者的鼻息肉（NP）及中鼻甲（MT）組織中的表達水平，并與對照組進行比較。結果顯示，MCP-4在T₂ CRSwNP患者的NP和MT組織中均顯著上調，且在NP中上調更顯著；GDNF在T₂ CRSwNP患者的NP中上調，而非T₂ CRSwNP患者的MT中GDNF水平更高；TGFB1和CST5在T₂ CRSwNP患者的MT中顯著下調，但在NP中無顯著變化（圖5A）。這些表達差異可能源于組織類型的固有差異以及基因在不同調控水平上的變化。

本研究通過Olink蛋白質組學分析和機器學習技術，成功開發了基于鼻液和血清生物標志物的2型鼻息肉特征（T₂NPS）模型，為2型慢性鼻竇炎伴鼻息肉（T₂ CRSwNP）的精準診斷和術后預后預測提供了新的工具。這一成果不僅提高了診斷的準確性和便捷性，還為個性化治療方案的制定提供了重要依據，有望顯著改善患者的治療效果和生活質量。