脓毒症表型研究新进展

周苏 蒋永泼 戴罕之 林荣海

1绍兴文理学院医学院（浙江绍兴 312000）；2浙江省台州医院重症医学科（浙江台州 317000）；3台州市立医院（浙江台州 318000）

脓毒症（sepsis）是由感染引起的全身炎症反应综合征（systemic inflammatory response syndrome，SIRS），伴有器官功能障碍，是全球性疾病及死亡的主要原因之一，及时的诊断和风险预估是减少脓毒症并发症和降低病死率的关键［1］。表现型（简称表型），指特定基因型生物个体在一定环境条件下所表现出来的性状特征。脓毒症是一种高异质性综合征，具有大量的临床和生物学特征，可能形成不同的潜在表型。笔者经过检索近期脓毒症相关表型的研究，总结以下几类分型，帮助急重症医学科医师更好的认识各类表型特征，并为脓毒症的分类、精准医学治疗及预后评估提供更好的依据。

1 脓毒症组学分型

脓毒症的宿主反应高异质性一直是影响高病死率患者的识别及治疗选择的因素。随着精准医学研究的出现，使基因组等组学技术在分子学水平取得极大进步，这也为脓毒症的精准治疗策略提供了可能。

1.1 根据全基因组血液基因表达谱分类 SCICLUNA等［2］通过进行分子诊断和风险分层项目（MARS）研究，报告了一项关于脓毒症转录组学的成果。研究收集了三个脓毒症队列患者的血样并生成全血基因表达谱，通过无监督共识聚类技术和机器学习评估了140 个基因分类器，将脓毒症患者分为四类即Mars 1 ～4，临床资料显示不同表型间患者的脓毒性休克患病率、SOFA评分和病死率存在差异，而伴随疾病、APACHEIV 评分或急性肺损伤等无明显差异。差异基因表达分析表明各型的基因表达不同：Mars1 型参与先天性和适应性免疫信号相关基因的下调，其队列患者具有相对免疫抑制性、死亡率高；Mars2 型涉及模式识别、细胞因子、细胞生长等适应性免疫功能的基因表达上调；Mars3 型与适应性免疫途径的基因表达上调有关，该型患者预后相对更好；而Mars4 型与识别模式和细胞因子通路的基因表达上调有关，最终还找出各型中特异表达较高的候选分子生物标志物分别为二磷酸甘油酸变位酶（BPGM）、生长停滞和DNA 损伤诱导α（GADD45A）、AHNAK 核蛋白（AHNAK）和干扰素诱导蛋白与四肽重复序列5（IFIT5）。脓毒症Mars表型目前尚未应用于临床，但部分学者借鉴其基因数据源、或机器学习模型以及脓毒症免疫反应机制的启发等衍生出新的研究。此类MARS 表型的识别也可能用于临床试验的个性化药物管理和选择，并为预测基因富集提供了机会，加强免疫疗法或许能更好地治疗Mars1 型患者，但以上理论还需进一步的临床研究以验证。

1.2 根据单核细胞轨迹分类 免疫系统是脓毒症发病机制的关键，而单核细胞人类白细胞抗原DR 表面蛋白（the monocyte human leukocyte antigen DR surface protein，mHLA-DR）通过给T 细胞呈递抗原在免疫反应中至关重要。BODINIER 等［3］运用KmL 聚类法分析脓毒症患者入住ICU 后第1 周的mHLA-DR轨迹得出四种分型：（1）非改进型：mHLADR表达持续较低或几乎不增加，平均低于4 000AB∕C（AB∕C，每个单核细胞结合的抗体数，表示mHLADR 表达程度，健康者测量值作为参考值）；（2）衰退型：从mHLA-DR 表达参考值开始逐渐下降至7 500AB∕C 以下；（3）改进型：mHLA-DR 表达逐渐增加至第1周末几乎达到参考值；（4）高表达型：mHLADR 表达快速增加直至参考区间，四种分型轨迹基本均低于健康者。研究表明脓毒症患者早期（入住ICU 第1 周内）存在单核细胞的持续失活会增加ICU 获得性感染发病率、病死率以及住院时间等风险。随后一项研究［4］评估mHLA-DR 表达与重症儿童继发感染间的关联，结果证实重症儿童的mHLA-DR 表达低于健康对照组，这也与前文［3］得到的结论一致。还有研究将mHLA-DR 与血清降钙素原结合发现在预测脓毒症患者的致命结局方面更具准确性。根据第1 周mHLA-DR 轨迹可用于脓毒症的早期风险分层，但根据mHLA-DR 轨迹的分型仍需要在临床中得到更多的验证。

1.3 脓毒症反应特征（sepsis response signature，SRS）分型

1.3.1 社区获得性肺炎（community-acquired pneumonia，CAP）和粪源性腹膜炎（fecal peritonitis，FP）源性的SRS 分型 CAP 和FP 是脓毒症最常见的感染因素，还有胆道感染、泌尿系感染、脓肿、软组织感染等，但这些感染源是否与转录反应异质性有关尚不清楚。

DAVENPORT 等［5］运用无监督聚类分析CAP相关脓毒症外周血白细胞全基因表达，发现两种不同脓毒症反应特征亚型：SRS1 型和SRS2 型，SRS1 型有免疫抑制、内毒素耐受、T 细胞耗竭和代谢紊乱及预后较差的特点，比SRS2 型的早期病死率更高、临床指标水平更差，并定义了七个可预测SRS 亚型的基因（DYRK2、CCNB1IP1、TDRD9、ZAP70、ARL14EP、MDC1 和ADGRE3）。他们将基因转录变异相关的基因组决定因素绘制成表达数量性状基因座（expression quantitative trait loci，eQTL），使用eQTL 映射法比较不同转录组间宿主对感染反应的异质性，发现脓毒症相关基因关键介质（HIF1α、mTOR 等）具有遗传变异作用，可能与缺氧反应和脓毒症中的糖酵解反应过程相关。BURNHAM 等［6］进 一 步 比 较FP 源 性 脓 毒 症 组、CAP 源性脓毒症组和非脓毒症者发现三者之间的转录基因组表达均存在差异，同样找到两种SRS 亚型，均与早期病死率密切相关，并定义了一些可预测感染源（FP 或CAP）的基因组（包括EPHB1、NQO2、ARG1、HMGB2、FGL2 和GPR162），表明脓毒症基因表达变化的主要预测因子是SRS亚型，而不是感染源，这些发现给脓毒症患者的分类提供了可能。两项研究利用SRS 分型证明了FP源性和CAP 源性脓毒症的转录组学表达存在差异，这丰富了脓毒症的分类，完善了对脓毒症异质性的理解，但在其他感染源中是否能发现类似的SRS 分型尚未给出更多的研究验证。

1.3.2 结合儿科表型及SRS 分型 WONG 等［7-8］在早期研究中通过基因表达谱已经确定三个儿科脓毒性休克亚类（即表型A、B 和C），而后发现前期的转录组学研究［5］中所隐含的生物学和临床的关联与小儿脓毒症表型的相关文献报告［7］存在相似之处，则结合了儿科脓毒性休克表型和SRS 分型方法发现新的成人脓毒症亚表型［9］，评估SRS 与小儿表型之间的重叠分组，确定了分型组合模式、年龄与年死亡率之间的相互作用，最终表示两种组合表型表现出免疫抑制性的患者死亡风险最大，其中表型A∕SRS1 分型可能会识别出免疫抑制性更高的脓毒症人群，但该组样本量过小，目前的预估并不精确，而且不同年龄所对应的免疫效应还需要进一步的重复验证。

2 体温轨迹分型

体温调节反应是脓毒症异质性的一种表现。发热是感染的先兆，被感染者常常表现为体温升高，也表现体温正常或低体温。一项研究表明机体受到感染时体温过低会增加患者病死率，体温过高则可能降低病死率［10-11］。BHAVANI 等［12］根据体温变化轨迹定义了四种体温轨迹表型：（1）高热慢退型：患者年龄最小，合并症最少，白细胞数减少或增多的发生率、ESR 和CRP 水平最高，肌酐值水平最低，每日尿量最多，心率最快；（2）高热快退型：患者乳酸水平最低，病死率最低；（3）低体温型：患者年龄最大，合并症最多，白细胞计数减少或增多的发生率及ESR 和CRP 水平最低，肌酐和乳酸水平最高，尿量最少，心率最慢，院内病死率最高；（4）体温正常者。研究表明四种表型的炎症标志物和结局具有显著差异，BHAVANI 等［13］在之后的研究中发现温度轨迹表型与不同感染队列中一致的细胞因子谱相关，这些表型可能在发现脓毒症患者细胞因子谱的床边鉴定中发挥一定作用。鉴于小儿脓毒症的独特性，YEHYA 等［14］则研究了小儿脓毒症患者体温轨迹分型的意义，与前者［12-13］结论基本一致。住院患者的体温监测常规且反复进行，使体温轨迹分型有望成为辅助型诊断手段，为脓毒症患者的识别和预测提供了新的思路。但该亚型的差异性还缺乏免疫学基础依据，需要进一步证明这种温度轨迹分型与潜在的免疫反应是否存在关联。

3 重症脓毒症（严重脓毒症或脓毒性休克）相关分型

3.1 脓毒症多器官功能障碍综合征（multiple organ dysfunction syndrome，MODS）表型 KNOX等［15］使用自组织映射神经网络（Self Organizing Maps，SOM）技术根据重症脓毒症患者的年龄和SOFA 评分等生成SOM 网格并细分出四种脓毒症相关MODS 集群：（1）伴有肾功能障碍且肌酐升高的休克；（2）轻度MODS；（3）伴有低氧血症和精神状态改变的休克；（4）肝功能障碍者（包括慢性肝病及各种原因引起的脓毒症急性肝损伤等）。脓毒性休克患者以第1、3 类为主，严重脓毒症则以第2、4 类为主。研究表明各集群间的临床预测因子与病死率的相关性存在显著差异。

3.2 潜在类别变量建模——潜在类别分析（latent class analysis，LCA） GÅRDLUND 等［16］运用LCA整合了纳入患者的46 个基线人口学、临床和实验室变量，确定出6 种不同的脓毒性休克亚型：（1）无并发症者；（2）肺炎合并成人呼吸窘迫综合征（adult respiratory distress syndrome，ARDS）；（3）术后腹型；（4）严重脓毒性休克；（5）肺炎合并ARDS和MODS；（6）脓毒性休克晚期。研究发现腹部感染可出现在不同类别，肺部感染者亦然，同一部位感染者也有不同的临床表现和病程，但即使单个部位感染的患者，其后续的风险程度也存在着异质性，所以仅根据感染部位将脓毒症分为不同类别还有待讨论。

KNOX 等［15］排除的医院内和术后感染者与GÅRDLUND 等［16］所提出的“术后腹型”和“脓毒性休克晚期”患者交叠，而后者排除的患者（伴有心脏病晚期和肝病、肿瘤未得到控制以及服用抗血小板药物或有其他出血危险因素者）中部分伴有肝病者却与前者所提出的“肝病”型部分重合。两项研究［15-16］具有相似之处，也相互区分，均不能完全解释所有脓毒性休克患者的特征，还需在未纳入队列的脓毒性休克患者中进行验证。

4 脓毒症相关器官功能障碍分型

4.1 呼吸功能障碍——ARDS 分型 CALFEE 及DELUCCHI 等［17-20］在四项ARDS 相关队列研究中得出两种ARDS 表型——“低炎型”和“高炎型”，研究表明两种表型具有不同基本特征，并对呼气末正压治疗、随机分配的液体策略都有不同反应。SINHA 等［21］发现他汀类药物治疗脓毒症急性肺损伤（statins for acutely injured lungs in sepsis，SAILS）是与脓毒症密切相关的ARDS 队列［22］。为了验证前述四项试验［17-20］得出的两种ARDS 表型是否适用于脓毒症患者，SINHA 等［21］使用LCA 法也定义了两种SAILS 相关表型，发现不同表型对不同干预措施的反应存在差异，二次分析发现在确定SAILS 表型的LCA 模型基础上加入新的临床变量并不会得出新表型。研究发现SAILS 队列中高炎型患者的IL-6、IL-8、sTNF-R1、ICAM-1 和PAI-1 平均水平高于低炎型，这与ARDS 表型研究结论［17-20］基本一致。但SINHA 等［21］提出的结论仅是二次分析后的推理，SAILS 表型的说法还缺乏临床依据，而且LCA 模型极其复杂，难以作为临床常用工具，而使用常见变量快速识别模型亚型仍是提高临床可行性所必需的。

4.2 凝血功能障碍分型 KUDO 等［23］运用机器学习分析脓毒症患者得出四种基于凝血标志物的脓毒症表型：（1）Cluster dA：有严重凝血功能障碍，具有高FDP 和D-二聚体水平、严重器官功能障碍和高病死率；（2）Cluster dB：患有中度凝血障碍的重度疾病；（3）Cluster dC：患有凝血障碍的中度疾病；（4）Cluster dD：有轻度疾病但不伴凝血障碍。研究发现不同表型进行重组人血栓调节蛋白抗凝治疗的效果存在差异。此项研究仅针对日本患者，其结果存在局限，有待在其他国家或地区验证，或可增加肝素等其他抗凝药物的治疗比对KUDO 等［23］的研究，加强对脓毒症相关凝血功能障碍患者的诊治。

5 外科脓毒症感染部位分型

STORTZ 等［24］进行了一项外科脓毒症（外科脓毒症定义为在手术和创伤ICU 中治疗的脓毒症）研究，有研究表明感染部位是早期病死率的独立预测因素［25］，STORTZ 等［24］则根据感染部位分为腹部（44%）、肺部（19%）、皮肤∕软组织（17%）、泌尿系统（12%）和血管（7%）5 类，发现皮肤∕软组织和泌尿系统类型年轻患者多见，合并症较少，免疫反应较轻，且器官功能障碍恢复较快，远期结局较好；而血管型多见于老年男性患者，并发症较多，远期结局最差。研究表明不同感染部位的外科脓毒症患者在基线倾向、免疫反应、器官功能障碍转归和远期结局均存在显著差异。并且COX 等［26］更证明腹部脓毒症患者的慢性危重症发病率高，长期预后不佳。根据感染部位的分型为预测外科脓毒症患者的结局提供了新的思路，其他部位的外科脓毒症结局也可在临床进一步验证。

6 多因素整合分型

现阶段关于脓毒症表型的研究大多利用单因素（如感染部位、器官功能障碍模式或疾病严重程度）进行分类，但脓毒症的高度异质性仍不能得到充分解释。KNAUS 等［27］认为更准确地定义表型才是确定精准治疗的关键。

SEYMOUR 等［28］进行了一项脓毒症表型的多维研究，选择29 个常规临床数据作为候选变量进行3 个随机对照试验（推导队列进行建模，验证队列用于检测），运用共识k 均值聚类法发现四种脓毒症衍生表型即α、β、γ 和δ。研究表明这四种新表型具有不同的人口学特征、生物学指标水平和器官功能障碍类型，并与宿主免疫反应的模式、病死率和其他临床结果密切相关。验证队列与推导队列中的表型分布基本一致，不同表型的生物标志物模式也存在着显著差异。模拟结果证明这些表型可能有助于临床试验的设计和解释，也有助于对治疗效果异质性的理解，但还需要验证这些表型在临床诊治及护理中的有效性。

7 总结与展望

及时的诊断和早期治疗是减少脓毒症并发症、降低病死率的关键，而脓毒症高度异质性加大了疾病精准化诊治及管理的难度，靶向治疗便成了脓毒症走向精准医学的必经之路。无监督学习与临床或生物标志物结合，已成功应用于肿瘤学以分析癌症患者的肿瘤异质性。近年来基因型研究和机器学习也逐渐成为脓毒症研究的主要技术，回顾关于脓毒症分型、诊治手段和预后等方向的研究发现，大多数以单项数据分析为主，虽然一些多维向研究已经能作出很好地细分，但仍需大量前瞻性研究进行验证。脓毒症基于基因组学的突破也将会是临床医学实施精确化诊治的机会，虽然已经有相关研究发现新的分型和生物标志物，但操作极其繁琐，目前仍无法应用于临床。相信随着对脓毒症研究的不断深入理解，新的分类方法将会得到突破，脓毒症患者的个体化诊治和管理也会带来新的希望。