Circ Genom Precis Med.:微小RNA(miRNA)为肺动脉高压分型诊断提供新工具,助力精准医疗发展

2025-04-22 刘少飞 MedSci原创

本研究为PH诊断提供了强有力的生物标志物工具,标志着基于液体活检的PH分型诊疗策略正在走向现实。

肺动脉高压(Pulmonary Hypertension,PH)是一类严重威胁心肺功能的慢性疾病,其早期诊断和亚型鉴别对于制定个体化治疗策略至关重要。传统诊断手段依赖心导管检查、心脏超声和NT-proBNP等生物标志物,但这些方法在PH的早期识别和亚型分类方面存在显著局限。近日,一项由英国三家权威中心联合开展的大规模研究表明,血清中微小RNA(miRNA)表达谱可构建用于PH及其亚型分类的“分子签名”,为疾病分型与精准治疗带来新曙光。

研究背景:NT-proBNP虽常用,但识别力有限

目前临床最常用于评估心衰和PH风险的血清标志物是N末端脑钠肽前体(NT-proBNP),尽管其与右心压力升高密切相关,但在PH亚型(如肺动脉性高压、左心疾病相关性PH、肺疾病相关性PH等)的鉴别诊断中并无特异性。

因此,亟需新的分子标志物来支持PH的分型诊断与早期识别。微小RNA是一类稳定存在于血清中的非编码RNA分子,广泛参与调控细胞增殖、炎症与心血管疾病过程,具备作为“液体活检”工具的潜力。

方法简介:1150例PH患者+多中心独立验证

本研究回顾性分析了来自英国三家PH专科中心的1150名PH患者及**334名非PH对照患者(具有相似症状)**的血清样本,检测了650种miRNA的表达情况,并与NT-proBNP水平进行对照分析。利用多种机器学习模型进行特征筛选,从中提取出326个稳定表达的miRNA。

随后,研究者建立多元广义线性模型,构建miRNA表达签名,用于:

  1. 区分PH与非PH对照;

  2. 鉴别肺动脉性高压(PAH)与其他类型PH;

  3. 亚型区分PH(包括左心疾病相关PH、肺疾病相关PH、慢性血栓栓塞性PH等)。

最终模型在一个独立前瞻性队列——CIPHER研究(涵盖349例PH患者和93例对照)中得到了外部验证。

研究结果:miRNA显著分型优势,优于NT-proBNP

在区分PH与非PH患者方面,NT-proBNP达到平衡准确率0.74–0.75,敏感性尚可,但在PH亚型分类中表现不佳。

相比之下,miRNA表现出色

  • 在区分PH与非PH中,AUC值为0.78,优于NT-proBNP的0.70;

  • 在区分PAH与其他PH类型中,AUC为0.79,同样优于NT-proBNP;

  • 更重要的是,miRNA在亚型鉴别(如左心相关PH与肺疾病相关PH)中的表现明显优于NT-proBNP。

此外,当将miRNA签名与NT-proBNP、年龄和性别联合建模时,其在CIPHER验证队列中的准确率进一步提高,体现出良好的通用性与临床应用潜力。

临床建议与展望

研究者建议,可采用NT-proBNP设定阈值(如254 pg/mL)作为PH高概率的初筛工具,随后结合血清miRNA签名进行亚型鉴别,有望显著减少误诊率并指导后续治疗路径。

这项研究的成果具有重要的临床转化价值,特别是在以下方面:

  • 早期检测:miRNA可在症状出现前或非特异性阶段体现分子变化;

  • 疾病分型:为PH复杂亚型提供精准分子识别工具;

  • 个体化治疗:根据分型制定不同的药物或干预策略,优化治疗效果。

结语

本研究为PH诊断提供了强有力的生物标志物工具,标志着基于液体活检的PH分型诊疗策略正在走向现实。血清miRNA签名作为一种非侵入性、高敏感度的分子工具,或将成为继NT-proBNP之后又一重要的PH诊断和管理依据。

未来,研究团队计划推动该miRNA签名在更大人群中的前瞻性验证,并推动其向临床常规检测转化,为PH患者的精准诊疗带来真正改变。

原始出处:

Errington N, Zhou L, Rhodes CJ, Fong YL, Zhou L, Kariotis S, Harder E, Waxman A, Jatkoe T, Wharton J, Thompson AAR, Condliffe R, Kiely DG, Howard LS, Toshner M, He C, Wang D, Wilkins MR, Lawrie A. Diagnostic MicroRNA Signatures to Support Classification of Pulmonary Hypertension. Circ Genom Precis Med. 2025 Apr 18:e004862. doi: 10.1161/CIRCGEN.124.004862. Epub ahead of print. PMID: 40248872.

评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2261535, encodeId=6565226153599, content=<a href='/topic/show?id=c7fc5058804' target=_blank style='color:#2F92EE;'>#微小RNA#</a> <a href='/topic/show?id=0bad820e112' target=_blank style='color:#2F92EE;'>#肺动脉高压#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=0, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=50588, encryptionId=c7fc5058804, topicName=微小RNA), TopicDto(id=82071, encryptionId=0bad820e112, topicName=肺动脉高压)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Tue Apr 22 14:23:40 CST 2025, time=2025-04-22, status=1, ipAttribution=)]

相关资讯

Braz J Otorhinolaryngol:MicroRNA-223-3p通过靶向INPP4A来调节过敏性炎症

越来越多的证据表明了鼻的生理和病理情况受microRNAs转录后调控。之前,有研究表明microRNA-223-3p在调控过敏性鼻炎中有作用。最近,有研究人员在过敏性鼻炎小鼠中评估了microRNA-

Pharmaceutics:壳聚糖水凝胶掺杂PEG-PLA纳米颗粒来局部递送miRNA-146a和治疗变应性鼻炎

最近,有研究人员制备了一种递送miRNA-146的二元制剂,并通过调查其在过敏性鼻炎中的药效作用,评估了该核酸鼻腔递送系统。

刚刚!2024年诺贝尔生理学或医学奖授予维克多·安布罗斯和加里·鲁夫坎

2024年诺贝尔生理学或医学奖于近日揭晓,联合授予维克多·安布罗斯(Victor Ambros)和加里·鲁夫坎(Gary Ruvkun)。

Cell Death & Disease:MiRNA-671-5p通过靶向NFIA/CRYAB途径促进前列腺癌的发展和转移

前列腺癌(PCa)是男性恶性肿瘤致死的第二位死因,转移是PCa患者死亡的主要原因。微RNAs(miRNAs)在肿瘤的发展和转移中起着重要的调控作用。

Cell Death & Disease:miR-361-3p能够增加前列腺癌对恩杂鲁胺的敏感性

缺少配体结合域的雄激素受体剪接变异体7(ARv7)越来越被认为是导致前列腺癌(PCa)患者对恩杂鲁胺(Enz)耐药的关键因子。然而,ARv7的表达是如何被调控的详细机制以及它是否需要其他因子来诱导最大

Oncogene:去势抵抗性前列腺癌中神经内分泌分化的micromRNA决定因素研究

治疗诱导的神经内分泌前列腺癌(NEPC)是去势抵抗性前列腺癌(CRPC)的一种极具侵袭性的亚型;随着恩杂鲁胺(ENZ)和阿比特龙等高效雄激素受体(AR)通路抑制剂(API)的广泛使用,其发病率越来越高

Commun Biol:循环细胞外小体释放致癌性miR-424

细胞外小体(EVs)是细胞间信号转移的相关手段,能够促进致癌刺激的传播以及癌症患者的疾病演变和转移的扩散。

综述|长链非编码RNA在脑缺血再灌注损伤炎症反应中研究进展

从CIRI的机制出发,对近年来发现的影响CIRI炎症反应中LncRNA的表达及其作用机制做一总结,旨在为CIRI的治疗提供新的治疗靶点和研究思路。

Eur Urol:综合循环miR375和miR371的表达来鉴定恶性生殖细胞肿瘤中的畸胎瘤和活性生殖细胞恶性成分

活性生殖细胞恶性肿瘤表达高水平的特异性循环微RNA(miRNAs),其中包括了miR-371a-3p(miR371),而在畸胎瘤中检测不到。由于畸胎瘤存在恶性转化和畸胎瘤综合征不断增加的风险,因此迫切

BMC Gastroenterology:miRNA-202-3p是诊断1型胃神经内分泌肿瘤的潜在新生物标志物

胃神经内分泌肿瘤(g-NENs)是一种罕见的恶性肿瘤,癌细胞主要来源于肠嗜铬样(ECL)细胞。WHO按照ECL细胞的分化情况将g-NENS分为1型,2型和3型。