慢性鼻窦炎伴鼻息肉（CRSwNP）是一种常见的鼻部疾病，其中2型慢性鼻窦炎伴鼻息肉（T₂ CRSwNP）常与严重症状和高复发率相关。目前，T₂ CRSwNP的诊断主要依赖于鼻息肉组织中的炎症标志物，但获取组织样本具有侵入性且存在局限性。为了开发一种非侵入性的诊断方法，本研究利用蛋白质组学分析技术，结合机器学习算法，系统评估了鼻液和血清中的炎症相关蛋白表达，旨在建立一个用于T₂ CRSwNP诊断的预测模型。通过对82例CRSwNP患者的样本进行分析，研究人员成功识别出23种在鼻液中失调的蛋白和16种在血清中失调的蛋白，并利用Lasso回归筛选出4种关键生物标志物（GDNF、MCP-4、TGFB1和CST5），构建了T₂ CRSwNP诊断模型。该模型在训练集、测试集和验证集中的曲线下面积（AUC）值分别达到0.91、0.91和0.92，显示出较高的预测准确性。此外，GDNF和MCP-4被确定为CRSwNP术后复发的独立预后生物标志物。本研究不仅为T₂ CRSwNP的诊断提供了一种简单、非侵入性的新方法，还为预测术后复发提供了潜在的生物标志物，有望改善患者的临床管理。

如何通过非侵入性样本（鼻液和血清）的蛋白质组学分析，结合机器学习技术，开发一种准确、可靠的T₂ CRSwNP诊断模型，并利用该模型预测术后复发风险，从而为临床诊断和治疗提供新的工具和方法

CRSwNP患者：共82例

对照组：6例（用于鼻液和血清分析，但不包括在聚类分析中）

外部验证队列：30例（用于验证T₂NPS模型的准确性）

Olink

（技术服务由伯豪生物提供）

1. 一致性聚类分析揭示2型慢性鼻窦炎伴鼻息肉的炎症生物标志物特征

为了深入探究CRSwNP的炎症模式，研究人员对82例慢性鼻窦炎伴鼻息肉（CRSwNP）患者的临床特征进行了总结，利用Luminex和ELISA技术检测了鼻息肉组织中的16种炎症标志物，这些标志物在以往的研究中已被证实与该疾病密切相关。然而，由于部分标志物（如IL-33、GM-CSF、IL-22、IL-31）的浓度超出检测范围，因此共有12种标志物被纳入后续的一致性聚类分析。通过构建一致性矩阵，研究人员确定了最佳聚类数为6（k=6）（图1A， eFigure 1A, B）。主成分分析（PCA）图也清晰地揭示了六个不同的炎症聚类群之间的显著差异。

具体而言，Cluster 1显示出最高的局部2型生物标志物水平（图1B），血液和组织中的嗜酸性粒细胞计数升高，且哮喘患者比例更高（图1C-E）。Cluster 2显示出类似的T2特征，但与Cluster 1相比，炎症模式较轻（图1B）。Cluster 3显示出髓过氧化物酶（MPO）、白介素-1β（IL-1β）、白介素-6（IL-6）和白介素-8（IL-8）水平升高，而Cluster 4显示出干扰素-γ（IFN-γ）、白介素-17A（IL-17A）、肿瘤坏死因子-α（TNF-α）、白介素-1β（IL-1β）和白介素-6（IL-6）水平增加，并且血液或组织中的中性粒细胞计数更高（图1B）。Cluster 5的整体细胞因子水平低于第4类，但显示出有修正手术史的患者比例更高。Cluster 6显示出整体低炎症特征。在不同类群之间，术后内窥镜鼻窦手术（ESS）后的改良Lund-Kennedy（MLK）评分（P=0.030）和视觉模拟量表（VAS）评分（P=0.046）存在显著差异（图1D），息肉组织中的嗜酸性粒细胞计数也存在显著差异（P=0.001，图1E）。

本研究通过聚类分析将CRSwNP患者分为6个亚群。其中，Clusters 1 and 2因表现出高水平的IL-5、IL-13、骨桥蛋白、ECP和ALB，且伴有嗜酸性粒细胞浸润，被归类为T2 CRSwNP（图1F）。相反， Clusters 3至6因2型生物标志物水平低或无法检测到，被归类为非T₂ CRSwNP（见图1F）。与非T₂患者相比，T₂ CRSwNP患者的L-M评分、SNOT-22评分和VAS评分显著更高（P<0.05），尽管总 MLK 评分的差异没有统计学意义（P=0.202）。此外，T2 CRSwNP组的哮喘共病比例和术后息肉复发率更高（P<0.05），这与以往研究结果一致。

2. 建立机器学习基准框架

接着，作者利用先前标记的息肉组织分类注释，开发了一个监督机器学习（ML）模型，用于为后续注释提供“标签”。作者对82例CRSwNP病例的鼻液蛋白质组（92种生物标志物）、血清蛋白质组（92种生物标志物）以及合并数据集（184种生物标志物）进行了分析。机器学习框架如图2所示。

3. 通过机器学习算法利用鼻液和血清生物标志物开发2型鼻息肉特征（T₂NPS）模型

在探索2型鼻息肉（T2NPS）诊断新方法的征程中，作者对多种算法进行了深入评估，包括Lasso回归、逻辑回归、随机森林、决策树和XGBoost。在这一过程中，Lasso回归模型凭借其卓越的性能脱颖而出，它在训练集和测试集中的AUC值分别达到了0.91，远超行业公认的高准确度标准（AUC≥0.8）（图3A-C）。这一模型不仅展现了极高的预测精度，还在敏感性、特异性等关键指标上均超过了0.85，在诊断2型鼻息肉方面的具有巨大潜力。作者将这一模型命名为“2型鼻息肉特征（T₂NPS）”，它不仅为鼻息肉的精准诊断开辟了新路径，更为未来相关疾病的研究和治疗提供了宝贵的参考。

作者通过优化的Lasso回归模型，成功识别出GDNF、MCP-4、TGFB1和CST5这四个关键生物标志物，构建了用于2型鼻息肉（T₂NPS）诊断的模型。该模型在调整性别和年龄因素后，展现出极高的预测准确性，其在校准图中预测值与观测值高度一致，外部验证队列中AUC值达到0.92。随机森林分析进一步确认了这些生物标志物的预测价值，且与传统生物标志物相比，T₂NPS模型在预测T₂ CRSwNP方面更为精准，为临床诊断提供了有力支持。

4. 关键生物标志物的表达验证和免疫组化

本研究通过RT-qPCR分析检测了GDNF、MCP-4、TGFB1和CST5在T₂ CRSwNP患者和非T₂ CRSwNP患者的鼻息肉（NP）及中鼻甲（MT）组织中的表达水平，并与对照组进行比较。结果显示，MCP-4在T₂ CRSwNP患者的NP和MT组织中均显著上调，且在NP中上调更显著；GDNF在T₂ CRSwNP患者的NP中上调，而非T₂ CRSwNP患者的MT中GDNF水平更高；TGFB1和CST5在T₂ CRSwNP患者的MT中显著下调，但在NP中无显著变化（图5A）。这些表达差异可能源于组织类型的固有差异以及基因在不同调控水平上的变化。

本研究通过Olink蛋白质组学分析和机器学习技术，成功开发了基于鼻液和血清生物标志物的2型鼻息肉特征（T₂NPS）模型，为2型慢性鼻窦炎伴鼻息肉（T₂ CRSwNP）的精准诊断和术后预后预测提供了新的工具。这一成果不仅提高了诊断的准确性和便捷性，还为个性化治疗方案的制定提供了重要依据，有望显著改善患者的治疗效果和生活质量。