cfRNA智能模型鎖定慢性疲勞關鍵標志物，推動多系統(tǒng)生理機制研究取得進展
?
當細胞發(fā)生代謝變化時，會釋放特定的分子信息——游離RNA（cfRNA）到體液中，這些生物信號能反映基因表達、細胞通訊及組織狀態(tài)等關鍵過程。
?
Cornell?大學的研究人員開發(fā)了智能分析模型，通過篩選這種游離RNA，成功識別出與神經(jīng)系統(tǒng)功能異常（如慢性疲勞綜合征）相關的關鍵生物標志物。該研究為解析特定生理狀態(tài)提供了新方法，研究成果已發(fā)表于《PNAS》。
?
?
該研究是Cornell大學工程學院生物醫(yī)學工程副教授 Iwijn De Vlaminck與農(nóng)業(yè)與生命科學學院分子生物學和遺傳學系Liberty Hyde Bailey教授Maureen Hanson 實驗室之間的合作成果。研究負責人De Vlaminck?指出：“通過解析血液中的分子特征，我們?yōu)槔斫馓囟ㄉ頎顟B(tài)的生物學機制提供了新視角。”
?
圖片信息：De Vlaminck 實驗室成員合影
?
該團隊此前曾運用同類技術分析兒童多系統(tǒng)炎癥綜合征（MIS-C），此次與研究神經(jīng)免疫學的Hanson教授合作，探索了系統(tǒng)性解析生理狀態(tài)的新路徑。Hanson教授表示：“這種多系統(tǒng)研究方法能幫助我們更全面地理解生理調(diào)節(jié)機制?！?/span>
?
研究團隊采集了實驗組（ME/CFS）與對照組（健康久坐者）的血液樣本，通過高通量測序技術，捕獲了超過700種差異表達的分子特征。經(jīng)多種智能算法交叉驗證，發(fā)現(xiàn)實驗組樣本中存在免疫調(diào)節(jié)功能變化、細胞外基質(zhì)穩(wěn)態(tài)變化等特征。
?
通過反卷積分析（deconvolution）基因表達圖譜，研究團隊識別出六種貢獻度存在顯著差異的細胞類型。其中漿細胞樣樹突狀細胞來源cfRNA的比例變化，提示可能存在持續(xù)的免疫活動特征。研究還顯示單核細胞、血小板及T細胞亞群來源的cfRNA也存在顯著差異。
?
mtRNA 轉(zhuǎn)錄本與 MTG1 的表達及相關性
當前模型的識別準確率達到77%，雖尚未達到應用要求，但為解析慢性復雜生理狀態(tài)的潛在機制提供了重要研究工具。研究團隊表示，這種分析方法有望拓展至其他復雜生理現(xiàn)象的研究。
?
期刊：Proceedings of the National Academy of Sciences
DOI：10.1073/pnas.2507345122
