人工智能多组学解码牙周炎中性粒细胞染色体不稳定特征

原文：Decoding chromosomal instability in neutrophil signature in the pathogenesis of periodontitis: evidence from artificial intelligence-driven multi-omics and in vitro validation.
期刊：Cytotechnology（影响因子 2.2） |  PubMed | PMC 全文（含 PDF）

研究背景：当“染色体不稳定”走出癌症，走进牙周炎

牙周炎（periodontitis, PDT）是一种由宿主免疫反应失调驱动的慢性炎症性疾病，其中中性粒细胞扮演了关键角色。过去，染色体不稳定（chromosomal instability, CI）多被视为肿瘤的标志性事件，也是炎症的强力触发因素；然而，它在牙周炎这类非恶性疾病中是否参与、如何参与，此前几乎无人探索。

理解中性粒细胞相关染色体不稳定（CIN）特征，不仅有助于揭示牙周炎新的发病机制，也可能为疾病分型与治疗提供全新视角。

核心发现：5个CIN特征基因与关键枢纽基因TFF3

研究团队基于牙龈组织的 bulk RNA-seq 数据，比较牙周炎患者与健康对照（HC），通过 Limma 框架识别差异表达基因及 CI 相关差异基因；再利用 WGCNA 锁定与中性粒细胞浸润相关的模块，整合得到 5 个 CI 与中性粒细胞（CIN）相关特征基因。这些特征可用于预测牙周炎发生发展，并对患者进行分子分型。

借助机器学习构建诊断模型，并以 SHAP 分析在训练与验证队列中筛选枢纽基因，研究将目光聚焦于 TFF3。结果显示，TFF3 是一个 CIN 相关、在牙周炎中上调的致病因子，且主要表达于中性粒细胞。单细胞 RNA-seq 进一步在细胞层面验证了上述发现，并时空推断了 TFF3 在患者中性粒细胞中的功能影响。

此外，AI 药物平台 DrugReflector 筛选出靶向 TFF3 的候选治疗化合物 BRD-K92455082，并通过体外实验检测了枢纽基因表达。

方法亮点：AI 驱动多组学加实验验证

该研究并非单一组学分析，而是搭建了一套“人工智能驱动的多组学”流程：

• 用 Limma + WGCNA 从转录组中提取 CIN 特征；
• 用 NMF 基于 CIN 特征做分子亚型划分；
• 用机器学习与 SHAP 解释模型、锁定 hub gene；
• 用单细胞测序在细胞分辨率下验证；
• 用 AI 平台预测老药/新化合物，并以体外 assay 收尾。

这种从公共数据到算法建模、再到湿实验验证的闭环，提高了结论的可靠性。

应用意义：为牙周炎分子分类与靶向治疗铺路

本研究首次在牙周炎中识别出新型 CIN 相关共表达模式。TFF3 作为与促炎中性粒细胞状态相关的候选枢纽基因，为牙周炎的分子分类学提供了新见解。未来，围绕 TFF3 及 BRD-K92455082 的深入机制与药效研究，或可推动牙周炎从“对症消炎”走向“按分子亚型精准干预”。

论文发表于 Cytotechnology（影响因子 2.2），虽非顶级期刊，但其将肿瘤生物学概念迁移至口腔慢性炎症、并以 AI 多组学落地验证的思路，对生物信息学与牙周医学交叉领域具有启发价值。

本文图片转载自 PMC 开放获取全文，仅供学习参考，请以原文为准。