​在春节前，Nature刚刊登了一篇发现孕妇血液cfRNA图谱可预测胎龄、提示子痫的文章，春节刚过，Nature竟然又发表了一项孕妇血液cfRNA预测先兆子痫的研究！Epi老师还以为这或许是同一个研究团队的研究成果，但事实上，前者是美国Mirvie公司 和布列根和妇女医院 联合的研究成果，后者是美国斯坦福大学 研究团队的成果。下面我们来详细说说这两项研究的思路。

 

 Nature：孕妇血液cfRNA图谱 

 监测妊娠健康 

（2022年1月发表）

 

 

样本设置

这项研究，采用了来自个独立队列1840名孕妇的2539例血浆样本，包括了不同的种族、胎龄。这么庞大而全面的样本量，也是这项研究能发表在Nature的原因之一。

图1. 血浆样本概览，A到H为8个独立队列

 

 

机器学习算法构建预测模型

基于机器学习算法构建预测模型，研究人员将1908例cfRNA图谱作为训练集，在训练集中拟合Lasso线性模型预测胎龄。随后在474例测试集中进行验证：

 

结果显示，测试集的平均绝对误差为14.7天。该模型的误差与妊娠中期的超声检查相当，但优于晚期超声检查。

图2. 使用cfRNA数据拟合Lasso线性模型预测胎龄，与超声波预测对比

 

孕妇cfRNA反映胎儿变化

胎龄的cfRNA特征证明了妊娠进展中转录组的动态变化，那么怀孕期间母体循环中发现的转录本与其来源组织是否有关呢？研究人员基于已建立的胎龄预测模型，联合来自Gene Ontology和Molecular Signatures Database的基因数据，定义了母体血浆中反映母体组织、胎儿器官和胎盘的cfRNA转录组特定亚群。以上结果证明，通过检测cfRNA谱，可实现监测妊娠期间母体、胎盘、胎儿的分子变化，未来有望利用孕妇血液样本进行母体与胎儿发展的无创检测。

 

图3. 胎龄模型中的基因集（a）、胎盘中独立鉴定的基因（b）、发育中的胎心（c）、胶原蛋白细胞外基质（d），都随着胎龄而变化。已知这些因素与妊娠期子宫和宫颈的生长相关。数据来源：Gene Ontology和Molecular Signatures Database

 

 

孕妇血液cfRNA预测子痫

通过比较72名先兆子痫患者和452名非先兆子痫患者血浆样本中的cfRNA图谱特征，研究者鉴定出了7个在病例组和对照组中差异表达的基因，其中4个基因已被报道与先兆子痫或胎盘发育有关。

图4. 样本：72个患者VS 452个非患者

 

研究人员建立了一个逻辑回归模型来预测先兆子痫的发病概率，并对该模型的预测性能进行评估。结果证明，该模型可以有效预测先兆子痫，灵敏度为75%，阳性预测值为32.3%，AUC（即ROC曲线下面积）为0.82（图5c）。将模型应用于测试阳性和阴性个体时，阳性人群在妊娠期间分娩更早（图5d），可正确识别出73%发生早产的孕妇。

图5. c. 先兆子痫逻辑回归模型的ROC（受试者工作特征）曲线；d. 阳性人群和阴性人群分娩的Kaplan–Meier曲线

该研究证明对孕妇血液中的cfRNA进行分析，可以实现无创跟踪孕妇的妊娠进展，并在临床表现前几个月预测先兆子痫的风险，可有效降低产妇和新生儿的发病率和死亡率。 

 

 

 Nature：孕妇血液cfRNA图谱 

 预测孕早期先兆子痫 

（2022年2月发表）

 

 

样本设置

研究者收集了怀孕12周前、12周、13~20周、23周及产后采集的血液cfRNA样本，设置为发现集、验证集样本，而独立验证集样本由几个独立机构采集于妊娠16周前（见下图）：

 

 

初步分析

对发现集的分析发现，先兆子痫组和血压正常组之间的BMI存在显著差异，而母亲年龄和妊娠次数则没有差异。在独立验证集中，两个组别的早产史和分娩方式存在显著差异。在后来发展为先兆子痫的母亲中，胎龄与是否出现严重症状无关（图6c）。此外，21名患有先兆子痫的母亲也早产，而正常血压组没有早产情况（图6d），这与流行病学证据一致，先兆子痫增加了自发性或提示性早产的风险。

图6. c. 先兆子痫的例子中，胎龄与是否出现严重症状无关；与先兆子痫发病时的胎龄相匹配，与先兆子痫症状的严重程度无关。发现集（discovery）、验证集（validation1）、独立验证集（validation2）；d. 先兆子痫与分娩时的胎龄有关（早产）

 

先兆子痫相关的cfRNA图谱变化分析

对比先兆子痫组和正常血压组的cfRNA发现，在妊娠和产后期间，有544个差异表达基因（DEG）改变，其中大部分是蛋白质编码基因。它们在妊娠20周前的变化最为明显。分析显示，有24~32个基因足以在妊娠期和产后区分先兆子痫和正常血压样本，且具有良好的特异性和灵敏度。cfRNA的变化可反映先兆子痫病理生理状况。约13%的DEG是组织型或细胞型特异性。

图7. 在妊娠20周之前，尽管症状严重程度、先兆子痫发病亚型和分娩时的胎龄（GA）存在差异，但DEG的一个子集可以分离出先兆子痫（PE）和正常血压样本

 

 

妊娠早期风险预测

研究者基于发现集做了一个逻辑回归模型，经过训练、还有验证集验证，最终的模型表现良好，AUROC（受试者工作特征曲线线下面积）、特异性和灵敏度一致（图8a）。最后研究者还探讨了以非侵入性方式监测器官健康的可能性，先兆子痫组与血压正常组的组织和细胞类型特异性变化符合研究队列中特异性的诊断（例如，血小板减少症、蛋白尿、肝功能受损和肾功能不全）。

图8.基于cfRNA的预测模型可以预测妊娠早期先兆子痫的风险。b. 利用18个初始基因中的子集训练的大多数模型都能够预测未来先兆子痫的发病情况，随着增加模型训练所包含的基因数量，模型的敏感性、特异性和AUROC性能都得到了改善。

 

综上所述，这项研究证明cfRNA检测可以在孕早期预测子痫前期，无创管理孕妇特定器官损伤的风险，帮助实时表征先兆子痫的发病机制。

 

研究思路总结

按照数据分析的步骤，研究思路分成了发现集、训练集和验证集阶段。我们已有的研究、前期实验发现，还有测序结果，都可以归为发现集。在发现集阶段，表观生物推出了HEBER-seq和PANDORA-seq两项技术，前者可检测cell-free mRNA和lncRNA，后者可检测cell-free miRNA、piRNA、tsRNA和rsRNA，这两项技术全范围覆盖了longRNA以及small non-coding RNA（sncRNA），挖掘新的液体活检标志物；在训练集和验证集研究阶段，表观生物提供IPA分析服务以及基于机器学习算法的疾病诊断/预后评估模型构建服务，高效预测标志物或治疗靶点！