理解PH的组学数据
1. 遗传风险和孟德尔（Mendelian）随机化
大规模具有详细表型数据的人群中的基因组数据的可用性允许探究常见遗传变异如何影响这些表型的变化（即QTL分析）。通过记录和权重化与表型或疾病相关的变异，可以计算出发病或疾病恶化的遗传风险，或称为遗传风险模型。这在有商业产品推出的常见病症中已经广泛宣传，因此受到了一些关注，但对于与少数相关变异较多的罕见疾病，这更多地限于具有更大影响并对了解具有可遗传疾病形式的家庭的风险更有用的罕见变异。常见表型的QTL的另一个用途是通过使用称为Mendelian随机化（MR）分析的方法来测试表型与疾病发展等结果之间的关联的可能因果关系。MR分析通过测试表型的QTL是否与疾病发展（即在疾病GWAS数据中）的方式相似来提供因果关系的遗传证据总结，这基于这样一个假设，即QTL直接作用于表型，而不会受到疾病的二次影响，不像表型本身通常是可塑的。这还依赖于这样一个假设，即这些变异仅对表型产生影响，而不能通过其他混淆机制与疾病相关联。
在实践中，这需要QTL和结果的GWAS摘要数据，自从完成国际PAH GWAS研究以来，现在可以测试由其他研究建立的QTL的表型（2步MR）。最近的一个例子是测试缺铁对PAH发展的可能因果关系。缺铁在PAH中很常见，并与不良临床结果相关，但缺铁是否由铁对肺血管扩张或重塑的影响引起，还是PAH本身的发展驱使了铁缺乏，尚不清楚。红细胞分布宽度是缺铁的标志，它本身与许多情况（包括PAH）中的不良结果相关，而导致红细胞分布宽度变异性的遗传变异在大规模人群分析中已经得到了很好的研究，使其成为MR分析的理想候选。MR分析表明，与较高红细胞分布宽度水平强相关的变异并没有像铁缺乏与PAH之间的观察关联所预测的那样与PAH的发展相关。这随后得到了使用静脉铁疗法恢复PAH铁储存与有效治疗相关的PVR或运动能力没有改善的研究结果的支持。这说明了遗传数据在超出与疾病发展最强相关的单个变异的病因学之外的潜力。确定最有可能失败的治疗策略与确定最有可能成功的治疗策略同样有价值。这些方法的应用取决于QTL和疾病的GWAS数据的强度，并且随着表型在人群中的研究更加深入，最重要的是，如果PAH GWAS数据可以扩展到更大规模的PAH患者人群，这将不可避免地变得更加强大，更符合常见疾病GWAS研究。
2. 重新分类PH为新的亚表型
PH的临床分类根据血流动力学参数和易感条件将患者亚组进行了整理，为患者护理和研究提供了一个实际的框架。然而，这个系统忽视了患者之间更深层次的病理生物学差异，这很可能是观察到的疾病进展和结果差异的原因。常常遇到不适合于PH临床分类的患者，这是由于混合的血流动力学特征或多种易感条件造成的。此外，这个框架并不会为PAH治疗选择提供信息，也不能预测治疗效果。尽管在这种分类下开发了有效的PAH治疗方法，但没有可用的疾病缓解药物，而且在目前的一刀切模式下，预后仍然很差。一些新兴的疗法在显示了临床前潜力后，在PAH临床试验中失败了，然而这些试验假定了患者之间存在共同的病理表型。出于这些原因，专家呼吁通过专注于深度组学分析的倡议来发现新的PH亚表型。通过识别具有共同分子特征的新亚组，可以帮助澄清微妙的内部表型 - 临床表型关系，发现新的疾病机制和生物标志物，增强临床风险评估，并促进治疗方法的发展。这一愿景是识别对特定治疗方法产生反应的PH亚表型，这可以帮助丰富临床试验队列，并为精确医学奠定基础。
Sweatt等人讨论的研究，通过无监督的ML将PAH重新分类为免疫表型，为未来的亚表型化倡议提供了概念验证。尽管这项研究采用了有针对性的单组学平台，并在一个时间点进行了横断面采样，但该研究证明了免疫分析是PAH亚表型的可行框架。需要进一步的研究来前瞻性验证这些亚表型，阐明驱动其循环特征的信号通路（endotype细化），并最终评估它们对靶向治疗的反应。正在进行的PVDOMICS倡议通过跨足多个组学领域的大规模分析，为亚表型发现提供了有利位置。
未来的PH亚表型划分工作可能会在很大程度上依赖无监督的ML（图4），这已经在其他心肺疾病，包括保留射血分数的心力衰竭、哮喘、急性呼吸窘迫综合症和败血症中发现了亚表型。无监督学习方法非常适合疾病重新分类，允许以不知情的数据驱动方式将队列分成亚组/簇。这些方法允许以人群的鸟瞰方式查看异质性。然而，要阐明分子亚表型，可能有很多方法。监督学习或基于网络的策略在分子数据分析与重要临床次特征或标志物之间提供了锚点。例如，以往的研究将基因组和转录组数据的监督分析锚定到PAH的血管反应性临床亚表型，这是一种对钙通道拮抗剂表现出强烈反应并且生存时间延长的患者亚群，这些研究通过表征潜在的遗传变异和丰富的信号通路来精化了血管反应性病理表型。类似的策略揭示了PAH中不适应的右心表型的分子特征。在这些研究中，超声心动图和心脏磁共振成像参数用于监督分析蛋白质组和代谢组的数据，这些参数分别用于RV重塑。
图4. 将肺动脉高压（PH）亚表型发现转化为可操作的知识和临床适用性。提供了一个可能在最初基于无监督机器学习（ML）发现PH亚表型后发生的调查的蓝图。首先，需要在进行额外的后续研究之前进行独立队列验证。因为许多最初的亚表型研究可能仅限于横断面血液组学分析，因此需要进行后续的纵向分析，以了解表型特异性分子特征在疾病过程中是否以及如何演变。为了深入了解亚表型的机制基础，可以从公共分子相互作用网络或富集数据库中推断体外的信号通路。然后可以在PH的动物模型中对涉及的通路进行功能验证，或者在PH患者的肺组织的分子研究中进行研究。为了允许在临床或药物试验中进行可行的亚表型分类，必须开发出只需要有限数量的易获得输入变量的简约分类器。可以为已完成的临床试验的数据和样本进行二次分析的分类器。这些二次分析的数据可能为创新的临床试验设计（分阶段、主试验协议或自适应设计）奠定基础。
随着肺动脉高压亚表型领域的成熟，将出现一些重要问题。随着在肺动脉高压中对配对组学数据的扩展访问，研究人员无疑会从单一组学过渡到集成的多组学分析。集成组学可以实现更加微妙的亚表型特征化，但这将需要跨学科的专业知识、大量的分析资源和艰苦的验证研究。无论使用哪种组学平台，将检测到的亚表型特征与生物通路的关联联系起来将依赖于从现有知识来源（例如，相互作用网络、基因集/代谢物富集数据库等）中提取的体外关联。由于这些知识来源并非特定于肺动脉高压，因此在体外推断出的通路应该在相关的机制性肺动脉高压研究中得到验证。经功能验证的通路可以作为候选的表型特异性治疗靶点。肺动脉高压亚表型项目将在很大程度上依赖液体活检，因为在疾病过程中无法从患者那里获得肺血管或右心组织。血液分子特征与肺部病理学的对应程度尚不清楚。尽管可以使用PAH移植受体的取出肺来探讨感兴趣的血液源亚表型通路（例如，肺动脉高压突破性研究网络），但在早期疾病血液特征与肺部末期分子特征之间建立关联存在问题。我们需要创新的肺动脉高压动物模型，允许进行多组织组学研究，并且可以在某种程度上与人类的特征相联系。此外，肺动脉高压亚表型研究必须从横断面扩展到纵向组学分析。尽管资源密集且分析复杂，但纵向研究将阐明肺动脉高压亚表型的构成性通路失调。序贯分析还将揭示亚表型是否随着治疗干预和疾病进展而出现动态变化。此外，纵向数据可以用于基于轨迹的亚表型分型，这是最近在COVID-19队列中的一个示例。在PAH中，这种方法可能会识别出存在可靶向的早期警示标志的高风险恶化患者。最后，研究人员将面临将经验证的肺动脉高压亚表型方法转化为临床实践的挑战。必须开发出简约模型，以允许在实际世界的实践中进行可行的亚表型检测。在这种模型中，只需要一小部分容易获得的临床和分子特征，就可以根据更复杂的输入数据准确分类以前发现的亚表型。这种简约分类器可以应用于临床试验设置，以便评估亚表型对研究治疗的响应。鉴于PAH的罕见性，我们必须尽力利用从临床试验中获得的数据。例如，来自已完成试验的数据或储存的样本可以提供已建立的亚表型分类器所需的输入变量。先前的临床试验数据的二次分析已经揭示了急性呼吸窘迫综合症和保留射血分数的心力衰竭中治疗响应的亚表型。识别治疗响应的肺动脉高压亚表型的复杂路径将需要合作数据共享、仔细规划和建立大型临床试验网络。
大数据驱动的PH治疗策略
1. 改善/早期诊断
患者通常在症状出现和最终确诊PH之间经历显著的延迟，这是由于症状的非特异性表现和缺乏早期筛查的简单非侵入性测试。患有PAH且延迟超过2年的患者表现出更差的预后，根据澳大利亚和新西兰PH服务的登记分析，即使校正年龄、性别和诊断亚组，也会增加11%的死亡风险，并且延迟时间自2004年以来几乎没有改变。同样，在SSc相关的PAH中，肺动脉压力增高表明疾病更为严重，这导致患者的生存率较低，这表明早期捕获患者可能会改善预后。遗传性PAH患者的诊断延误可能较短，这可能反映了遗传筛查计划的进展，这些筛查计划受到上述下一代测序工作的启发。如上所强调的，监督机器学习在DETECT研究中识别出了一种能够区分SSc患者中的PAH和非PAH的8-蛋白质面板。这些蛋白质的特异性对于补充临床算法的敏感但非特异性性质非常重要。该研究还确定了能够估计PVR的蛋白质组合，尽管没有一种蛋白质比NT-proBNP（N末端前B型钠尿肽）更准确，这说明了寻找早期疾病进展标志物的挑战。上述代谢组学和转录组学数据集能够区分PAH和对照组，这表明这些方法在筛查策略中具有潜在的用途，以减少由症状呈现引起的诊断延迟。这些方法的临床潜力的展示将需要对更具代表性的高风险人群进行前瞻性分析（例如，对哮喘治疗不敏感的呼吸急促）进行丰富，其中包括多因素病因的PH病例，与迄今为止提供的明确定义、同质的研究人群形成对比。
2. 预后分层
改善PH的风险分层将至少有两个目的：首先，确定哪些患者最有可能从积极治疗（包括静脉前列环素类似物的三重疗法）中获益，其次，定义哪些患者最有可能从新型治疗策略的开发中获益。如上所述，组学方法已经确定了与不良预后相关的一系列蛋白质、代谢物和基因，但尚需确定哪些是最有用的标志物，哪些可能进一步代表真正的治疗靶点。一个令人振奋的例子是测量循环性中性粒细胞弹性蛋白酶或elafin水平，以确定对elafin治疗的响应可能性，该治疗正在进行第1期临床试验。直接将组学发现方法应用于PH人群更有可能生成真正反映疾病过程的标志物，而不是借用/调整在其他更常见情况下开发的标志物。例如，NT-proBNP在PH中是难以超越的预后标志物，但不适用于区分右心室功能障碍和左心室功能障碍，因为它是由心肌细胞在任何位置中受到压力时产生的。对于新的预后标志物在PH中有用，它们必须在REVEAL或French风险方程等已建立的风险因素的作用下表现更好或独立作用，就像蛋白质面板和REVEAL所展示的那样。已建立的临床靶标将得到从大数据方法中获取的以独立预测进展和死亡的因子为重点的分子靶标的补充（见图5）。在高通量组学方法在临床病理实验室中变得可行之前，最有用的具体分子仍然必须经过更实用的定向测定工作，其成本与例如NT-proBNP测定相当，并经过验证，以验证其在集成临床途径中的效用。
图5. 这是一个示例，说明了如何将从对大数据集的理解中获得的分子信息与标准临床风险分层相结合，以改进风险评估。已建立的临床风险因素能够识别非常高风险和非常低风险的患者，但在更中间的情况下很难确定风险。独立的分子分层因子可以提供额外信息，用于判断患者是否被认为是高风险或低风险，从而指导临床决策。6MWD表示六分钟步行距离；HLA表示人类白细胞抗原；mPAP表示平均肺动脉压力；mRAP表示平均右心房压力；NT-proBNP表示N末端前B型钠尿肽。
2. 重新利用治疗的预测
随着关于PH分子特征的数据不断积累，将出现越来越多的证据表明，需要开发能够修改完整分子特征而不仅仅是代表性单一分子的治疗策略。建立分子响应现有药物库的数据库还将使我们能够预测哪些药物可能适合重新用于治疗PH，其基础是除了它们已定义或已理解的作用机制之外的其他靶点。最近由Rabinovitch实验室发表的一个出色的案例证明了这一点。通过减少患者来源的内皮细胞中caspase激活的筛选策略，在4500个候选药物中筛选出了20个药物化合物，然后通过比较Library of Integrated Network-Based Cellular Signatures数据库中的药物签名与从公共转录组数据集中获得的PAH肺基因签名，进一步缩小了候选药物范围。Library of Integrated Network-Based Cellular Signatures数据库包含多个筛选细胞系对成千上万已特征化药物化合物的基因表达反应，使我们能够预测在疾病中发生变化的基因与药物治疗可能纠正的基因之间的匹配情况。这将候选药物从20个缩小到2个，最终证明了一种主导化合物（AG1296）在体外和体内疾病模型中显示出疗效。测试所有20种化合物是不可行的，也不经济上可行的，对于一个单一的研究团队而言，最有可能只会得到在模型中显示出疗效的那一种化合物。药物和疾病分子数据库的扩展和改进将有助于未来的候选药物筛选工作，就像MR方法一样，在开发过程的后期，在产生重大成本之前，它们很可能也会在减少可能不会产生任何或甚至相反效果的化合物方面表现出巨大的价值。
总结与未来展望
早期诊断和个体化药物治疗选择是肺动脉高压（PH）领域两个重大未满足的需求。对于前者，整合电子健康记录、人工智能以揭示目前在筛查测试中隐藏的信息以及遗传风险因素是一条新兴的前进之路，以弥补延迟和不准确的诊断。对于后者，那些确定功能重要的分子途径并通过多组学平台的发现加强的策略，将有望个性化药物治疗选择（图6）。在这些方面，肺动脉高压（PAH）领域的下一个时代的新进展将重新关注每个患者的每个关键方面，将其作为一个整体处理，以提供最佳的医疗保健。
图 6. 肺动脉高压的下一个时代的深度表型学。在过去的10年里，通过基金会的支持、国际合作和机构登记收集临床和生物数据的登记册数量有了实质性的增长。整合这些数据，结合无偏和有偏的分析方法，将对澄清肺动脉高压的表型特征至关重要。扩大收集的数据范围，包括围产期事件、营养模式、有毒暴露和通过基于电子病历的系统和其他个性化设备机制已经在法国报告的药物监测计划，将对整合遗传风险与获得性疾病决定因素至关重要。最终，对患者进行表型学特征化将依赖于识别功能重要的分子途径，包括各种 -组学数据，以生成网状表型。反过来，有效的网状表型将有望优化临床试验设计，建立通向个性化药物选择和因此精准医学的路径。PAH 表示肺动脉高压。
参考文献：
Rhodes CJ, Sweatt AJ, Maron BA. Harnessing Big Data to Advance Treatment and Understanding of Pulmonary Hypertension. Circ Res. 2022 Apr 29;130(9):1423-1444. doi: 10.1161/CIRCRESAHA.121.319969. Epub 2022 Apr 28. PMID: 35482840; PMCID: PMC9070103.
转自：“肺动脉高压研究进展”微信公众号
如有侵权，请联系本站删除！
