干眼基础研究大放送,揭秘领域发展潮流

  • 2024-05-12 12:57:00
  • 32 Views

编者按:干眼作为一种常见且复杂的眼科疾病,其临床表现多样,治疗难度较大。ARVO2024会议上,众多眼科领域的专家学者齐聚一堂,共同探讨干眼的最新治疗方法和研究成果,期待为广大患者带来更加精准、有效的治疗方案,为眼科医学的发展贡献一份力量。

图片

图片

探究Sjögren综合征(SS)水液缺乏型干眼(ATD)患者与非SSATD患者结膜转录组的变化

鉴于SS患者结膜的改变,本研究致力于深入探讨SSATD患者与SSATD患者免疫相关分子通路的激活情况。研究纳入ATD患者12例(其中SSATD患者7例,非SSATD患者5例)和健康对照(HC)19例。所有受试者均接受了口腔和眼表检查,并使用有效问卷评估眼部症状的严重程度。SS患者的诊断均符合ACR/EULAR标准。采用结膜印迹细胞学方法收集细胞,裂解细胞后,利用NanoString Immunology Panel进行RNA提取和基因表达分析。采用ROSALIND软件进行统计分析,以鉴定通过FDR的差异表达基因(DEGs)。研究人员进行了以下几项分析:HC与ATD受试者之间的比较;SS与非SSATD之间的比较;维恩图分析,将之前发表的HC与SS研究与HC与ATD分析进行比较。

研究仅招募了年龄匹配的女性受试者。ATD患者的干眼体征和症状更明显。无监督聚类分析显示,几乎所有的非SS ATD受试者(4/5)都与SS受试者聚类在一起。NanoString分析结果显示,HC与ATD比较中共有50/594个基因片段存在差异表达:其中42个基因片段上调,8个基因片段下调 [ZBTB16、TGFBI、CLU、TRAF1、C1S、IL11RA、TRAF5、IL18(-2.65 ~ -1.5倍降低)]。上调幅度最大的前5位基因依次为BST2、IFITM1、IL19、CXCL1和LAMP3(上调幅度为5 ~ 2.81倍)。共有22条通路的总体显著性评分≥2。排名前5位的调控途径分别是I型干扰素、MHC I类呈递、II型干扰素、B细胞受体信号传导和MHC II类呈递。在SS与非SS ATD受试者的比较中,共有7/594个DEGs(BST2、LAMP3、IFITM1、CA4/B、MX1、IRF7、IFI35)上调,全局显著性评分≥2的唯一通路是I型干扰素。维恩图分析显示,HC与ATD和HC与SS比较有40个共同点。

研究结论:ATD患者结膜表现出免疫激活表型,涉及I型和II型干扰素、B细胞活化和MHC I类呈现等通路。此外,80%的差异表达基因在ATD和SS中均存在,这表明无论是否诊断为SS,这两组患者的结膜具有相似的转录组特征。

作者:Cintia S. De Paiva、Stephen C. Pflugfelder、Zhiyuan Yu、Robert Britton、Laura Schaefer、Kaitlin Scholand

讲题:Conjunctival transcriptome changes in Sjögren Syndrome and non-Sjögren Syndrome aqueous-tear-deficient dry eye


泪液脂质过氧化产物作为干眼的有效诊断生物标志物

为探讨泪液中的脂质过氧化产物4-羟基壬烯醛(4-HNE)和丙二醛(MDA)对干眼的诊断价值,该研究招募76例疑似干眼患者,初步排除明显的活动性眼表疾病后,收集泪液并使用酶联免疫吸附法检测4-HNE和MDA水平,通过进一步的主观和客观检查确认干眼。分析泪液4-HNE和MDA水平对干眼的诊断价值,并评估其与干眼症状体征的相关性。另招募16名受试者(8名干眼患者和8名健康人)分别于次日上午9:00、下午3:00和9:00重复测量其泪液4-HNE和丙二醛水平,采用Bland-Altman分析和变异系数(CV)评价其日间和日间表达稳定性。

研究结果显示,干眼组的4-HNE和MDA水平显著高于非干眼组(P<0.001)。诊断干眼时,4-HNE和MDA的ROC曲线下面积(AUC)值分别为0.800和0.740。4-HNE和MDA在诊断中的联合AUC值与单独AUC值比较无差异(P=0.80, P=0.14)。泪液中4-HNE和MDA水平与干眼患者的主观症状、眼表状态、角膜神经形态、睑板腺功能有良好的相关性。此外,在绝大多数干眼和非干眼受试者中,4-HNE和MDA水平的日内至日间变化小于1.2倍,CV小于10%。

研究结论:泪液中的4-HNE和MDA是诊断干眼的有效生物标志物,与症状体征显著相关,表达稳定。

作者:Hongyu Duan、Hong Qi

讲题:Tear lipid peroxidation products as effective diagnostic biomarkers for dry eye disease


基于人工智能(AI)的泪膜生物标志物在干眼中的临床分层识别亚临床疾病

干眼是一种常见且治疗困难的疾病,其临床表现多样。为提高治疗效果,准确分类患者至关重要。鉴于泪液生物标志物与干眼的关联,本研究采用AI分类器识别具有干眼风险或眼表炎症的患者。

研究对640名患者的Schirmer’s泪液进行多重酶联免疫吸附试验(ELISA),检测8种生物标志物。根据Schirmer’s试验、泪膜破裂时间(TBUT)和眼表疾病指数(OSDI)评分,将患者分为对照组和干眼组。采用基于决策树分类器(DTC)的AI模型,以生物标志物水平为依据进行分类。根据MMP-9的统计四分位数范围和AI确定的阈值,将患者分为四组:对照组、亚临床炎症-1组(SC-1)、亚临床炎症-2组(SC-2)和干眼组。此外,还采用基于随机森林(RF)的AI模型,将临床参数纳入分类依据(排除MMP-9)。

研究结果显示,DTC AI模型的AUC值为0.76,对亚临床炎症-1组和亚临床炎症-2组的正确预测比例分别为68%和71%。在另一种分组策略中,对照组和干眼组与临床参数((TBUT、Schirmer’s和OSDI))显著相关(P<0.001),而和亚临床组的相关性不显著(P>0.05),表明需重新分类。RF AI模型(基于mmp9的分组)的AUC值为0.79,敏感性为94.8%,特异性为88.6%。纳入临床参数后,模型准确率略有提高至0.81,对干眼的特异性提高至78%。

研究结论:研究通过AI模型确定了对照组的MMP-9临界值,成功将表面健康的眼细分为具有干眼风险的亚临床组。基于生物标志物分类的亚组与基于临床参数的干眼亚组具有良好相关性,为临床环境中的受试者分层提供了有价值的策略。这一发现有助于改善干眼患者的治疗和监测,提高治疗效果。

作者:Pooja Khamar、Raghav Narashiman、Rohit Shetty、Arkasubhra Ghosh、Swaminathan Sethu

讲题:AI-based clinical stratification using tear film biomarkers in DED to identify sub-clinical disease


总结:随着医疗技术的不断进步,干眼的诊断和治疗正在逐步向精准化、个体化方向发展。期待这些研究成果能够为干眼的诊断和治疗带来更多的突破和进展。


声明:本文仅供医疗卫生专业人士了解最新医药资讯参考使用,不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议,如果该信息被用于资讯以外的目的,本站及作者不承担相关责任。

2 comments

发布留言

条评论

  • Linda Gareth
    2015年3月6日, 下午2:51

    Donec ipsum diam, pretium maecenas mollis dapibus risus. Nullam tindun pulvinar at interdum eget, suscipit eget felis. Pellentesque est faucibus tincidunt risus id interdum primis orci cubilla gravida.


相关阅读