作者：宁夏医科大学第二临床医学院银川市第一人民医院研究团队

目的 本研究旨在确定与脓毒症中糖代谢相关的诊断和治疗生物标记物。

方法 使用一系列生物信息学方法分析公共数据库的数据集，包括差异表达分析、蛋白蛋白互助（protein-protein interaction，PPI）网络筛选、机器学习算法和孟德尔随机化。建立列线图模型，并通过富集分析、免疫浸润分析、转录因子（transcription factors，TFs）和microRNAs（miRNAs）预测以及药物预测来探索生物标记物的功能。通过定量反转录聚合酶链反应（quantitative reverse transcription polymerase chain reaction，qRT-PCR）验证脓毒症组和对照组生物标志物的表达。

结果 脓毒症中有3899个差异表达基因，其中141个与糖代谢有关。从PPI网络中确定了11个关键基因，并通过机器学习和曲线下面积分析筛选出6个生物标志物：GAPDH、AKT1、TXN、DLAT、PPARG和PGK1。值得注意的是，孟德尔随机化分析显示，PPARG（OR=1.0730，95% CI：1.0330-1.1160）和 AKT1（OR=0.9211，95% CI：0.8569-0.9902）与脓毒症有因果关系。基于这些生物标志物的Nomogram诊断列线图显示出良好的诊断能力。富集分析表明，AKT1与Central memory CD4 T细胞的正相关性最高（cor = 0.57，P < 0.05）。相反，PPARG与巨噬细胞的正相关性最大（cor = 0.39，P＜0.05），与效应记忆CD8 T细胞的负相关性最强（cor = -0.37，P＜0.05），AKT1可抑制脓毒症的发展，而PPARG则可促进脓毒症的发展。TF-miRNA-mRNA网络显示，共有40个miRNA和8个TF与AKT1存在调控关系，其中包括缓解脓毒症发展的TAL1-AKT1和HNF4A-AKT1；同样，有64个miRNAs和4个TFs与PPARG相关，包括促进脓毒症发展的CTCF-PPARG和E2F1-PPARG等。药物预测结果显示，AKT1-gigantol、PPARG-echinatin复合物具有很强的稳定性。qRT-PCR显示在动物实验中脓毒症中PPARG和AKT1的表达减少，在临床样本中AKT1的表达减少，这与生物信息学的预测一致。

结论 AKT1和PPARG与脓毒症有因果关系，具有诊断潜力。AKT1、PPARG可以作为脓毒症糖代谢相关生物标志物。AKT1可抑制脓毒症的发展，而PPARG可促进脓毒症的发展。这些发现为脓毒症的诊断和治疗药物的开发提供了有价值的见解。

关键词 脓毒症；糖代谢；转录组学；孟德尔随机化；生物标志物

点击链接查看摘要视频：转录组联合孟德尔随机化分析发现AKT1和PPARG是脓毒症中葡萄糖代谢相关的生物标记物_哔哩哔哩_bilibili