中性粒細胞胞外陷阱在潰瘍性結腸炎中的作用

【摘要】目的" 探究中性粒細胞胞外陷阱（neutrophil extracellular traps，NETs）在潰瘍性結腸炎（ulcerative colitis，UC）中的作用機制。方法" 從GEO數據庫下載UC患者和正常對照的RNA數據，篩選差異表達基因，將篩選的基因與先前報道的NETs相關基因相交，用于GO、KEGG和GSEA等功能富集分析。利用機器學習確定關鍵基因，以進一步分析免疫浸潤和生物功能。基于關鍵基因構建診斷模型，并進行外部數據集驗證，鑒定NETs相關分子亞型，利用DGIdb數據庫預測靶向關鍵基因的藥物。結果" 共篩選出38個NETs相關的差異表達基因，F3、MME、PTAFR和SLC25A37為關鍵基因，這些基因的mRNA表達水平升高，與炎癥信號通路有關，顯示出良好的診斷效能。鑒定出的兩種獨特NETs相關分子亞型展現出不同的免疫特性和臨床特征。22種靶向關鍵基因的藥物可能成為UC的潛在治療藥物。結 論" NETs在UC患者中表達升高，在疾病發生發展過程中起促炎作用。F3、MME、PTAFR和SLC25A37關鍵基因可能參與UC的病理過程，鑒定出的兩個NETs亞型可為UC的臨床治療提供一定參考。

【關鍵詞】中性粒細胞胞外陷阱；潰瘍性結腸炎；轉錄組測序；機器學習；分子亞 型

【中圖分類號】R 574.62 【文獻標識碼】A

The role of neutrophil extracellular traps in ulcerative colitis

MENG Qiuyue1，2#， YUAN Yifan3#， LI Na1，2#， LU Jiali1，2， YE Mei1，2

1. Department of Gastroenterology， Zhongnan Hospital of Wuhan University， Wuhan 430071， China

2. Hubei Provincial Clinical Research Center for Intestinal and Colorectal Diseases， Hubei Key Laboratory of Intestinal and Colorectal Diseases， Wuhan 430071， China

3. Department of Gerontology and Geriatrics， West China Hospital， Sichuan University， China National Clinical Research Center for Geriatric Medicine， Chengdu 610041， China

#Co-first authors： MENG Qiuyue， YUAN Yifan and LI Na

Corresponding author： YE Mei， Email： wumeiye08@163.com

【Abstract】Objective" To investigate the role of neutrophil extracellular traps （NETs） in the pathogenesis of ulcerative colitis （UC）. Methods" RNA data from UC patients and normal controls were downloaded from the GEO database to screen for differential expression genes （DEGs）， intersecting the screened genes with previously reported NETs-associated genes for functional enrichment assays such as GO， KEGG， and GSEA. Use machine learning to identify key genes for further analysis of immune infiltration and biological function. Diagnostic models were constructed based on key genes and validated against external data sets， and NETs associated molecular subtypes were identified. Prediction of drugs targeting key genes using DGIdb database. Results" A total of 38 NETs-related DEGs were screened. F3， MME， PTAFR， and SLC25A37 were identified as key genes， with elevated levels of mRNA expression， and were associated with inflammatory signaling pathways and exhibited remarkable diagnostic efficacy. Two unique NETs-related subtypes derived from key genes had distinct immune and clinical characteristics. 22 targeted drugs might become potential therapeutic agents for UC. Conclusion" NETs expression is elevated in UC patients and plays a pro-inflammatory role in disease progression. F3， MME， PTAFR， and SLC25A37 were identified as potential contributors to the pathogenesis of UC. The two identified subtypes of NETs can provide some reference for the clinical treatment of UC.

【Keywords】Neutrophil extracellular traps; Ulcerative colitis; Single-cell and bulk RNA sequencing; Machine learning; Molecular classification

潰瘍性結腸炎（ulcerative colitis，UC）是炎癥性腸病的一種主要亞型，其特征是起源于直腸并逐漸向近端蔓延的連續的黏膜及黏膜下病變，主要發病于20～49歲的人群。典型癥狀為黏液膿血便，并伴有腹瀉、腹痛、里急后重等，嚴重者可出現發熱、體重下降等全身性癥狀。約27%的患者有腸外受累，如關節、皮膚黏膜、眼部、肝臟、膽道系統病變和血栓栓塞性疾病[1-3]。UC的病因和發病機制仍不完全清楚，主要受環境、遺傳和免疫系統失調等因素的綜合影響。中性粒細胞作為腸道固有免疫的重要組成部分，通常最先聚集在炎癥部位，發揮抗菌和抗炎作用[4]。組織病理學顯示，UC患者腸黏膜的中性粒細胞浸潤表明腸道內穩態被破壞，可能是UC的關鍵病理生理過程。中性粒細胞胞外陷阱（neutrophil extracellular traps，NETs）于2004年首次被發現，它由細胞外染色質結構組成，這些染色質結構被組蛋白和各種顆粒蛋白裝飾[5]。中性粒細胞通過產生活性氧、釋放裂解酶和部署NETs來增強其抗菌功能。然而，過多的NETs形成會損害周圍正常組織[6]。研究表明，NETs失調參與多種自身免疫性疾病，如系統性紅斑狼瘡、牛皮癬、類風濕關節炎和UC[7-9]。UC患者結腸活檢中NETs相關蛋白水平升高[10]，REDD1/NETs/IL-1軸在UC的發病中起關鍵作用[11]，NETs通過腫瘤壞死因子-α（tumor necrosis factor-α，TNF-α）促進UC炎癥發展[12]。此外，NETs會損害腸道屏障，導致細菌易位和腸道炎癥。提示NETs可能參與UC發病，但具體機制尚不完全明確。本研究使用RNA測序數據來探索NETs在UC中的潛在作用，通過機器學習識別關鍵基因并構建診斷模型，分析這些關鍵基因的表達譜來分類與NETs相關的獨特亞型，探索NETs在UC中可能的作用機制，為UC疾病診斷和個性化治療提供參考。

1 資料與方法

1.1 微陣列數據集和NETs相關基因

本研究數據來源于Gene Expression Omnibus（GEO）數據庫（https：//www.ncbi.nlm.nih.gov/geo/），包括GSE116222、GSE87466、GSE16879、GSE73661和GSE206285數據集。GSE116222包含來自結腸活檢的單細胞RNA測序（scRNA-seq），包括3例健康個體（健康組）和3例UC患者病變區域（炎癥組）的樣本。GSE87466納入87例UC患者和21例正常對照，GSE16879納入24例未使用生物制劑的UC患者和6例正常對照。GSE73661包含44例使用維得利珠單抗（VDZ）治療的UC患者，23例使用英夫利昔單抗（IFX）治療的UC患者和12例正常對照。GSE206285包括364名接受烏司奴單抗（UST）治療的UC患者，186名接受安慰劑治療的患者和18名健康對照者。其中，數據集GSE87466和GSE73661僅使用基線數據。NETs相關基因（NRGs）來源于Zhang等[13]在癌癥中鑒定的69個NRGs，其整合了NETs在多種免疫和相關疾病中的基因，主要包括刺激NETs形成的配體和受體、下游相關信號以及鑒定出的黏附在NETs框架下的分子。本研究的設計流程圖見附件圖1。

1.2 scRNA-seq數據處理與分析

使用R語言Seurat包處理scRNA-seq數據，質控標準為核糖體基因大于3%，線粒體基因小于15%，紅細胞基因小于0.1%，細胞表達基因小于7 500個。使用harmony包去除批次效應，使用ScaleData函數執行數據規范化。隨后進行主成分分析（principle component analysis，PCA），使用RunUMAP函數降維。通過FindClusters函數（分辨率設置為0.8）實現細胞聚類，使用SingleR包進行細胞類型注釋。使用FindAllMarkers函數在不同的集群中識別標記基因。從MSigDB數據庫（http：//www.gsea-msigdb.org/gsea/msigdb/index.jsp）提取hallmark通路，使用GSVA包對這些通路評分，并用pheatmap包進行可視化。

1.3 差異表達基因的數據處理與鑒定

通過R語言sva包完成RNA測序的數據集整合，用limma包去除批次效應，并用FactoMineR和factoextra包生成PCA圖來評估[14]。為減少異常值的影響，使用preprocessCore包進行數據歸一化，使用limma包檢測差異表達基因（differential expression genes，DEGs），調整P值＜0.05，絕對對數倍變化＞0.5。利用火山圖和熱圖將DEGs可視化。將DEGs與NRGs相交的子集定義為DE-NRGs，并使用維恩圖顯示。

1.4 功能富集分析及蛋白-蛋白相互作用網絡構建

使用R語言clusterProfiler包進行GO分析和KEGG通路分析，以及單基因基因集富集分析（gene set enrichment analysis，GSEA）。利用GSVA包進行基因集變異分析（gene set variation analysis，GSVA），確定不同亞型之間生物學途徑的差異。使用STRING數據庫（https：//string-db.org/）構建PPI網絡。

1.5 機器學習

使用兩種機器學習方法識別潛在的關鍵基因。使用R語言glmnet和randomForest包分別進行Lasso回歸和隨機森林算法[15]。通過這兩個基因群的交集確定關鍵基因，并通過circlize包進行可視化。

1.6 關鍵基因的qRT-PCR驗證

從武漢大學中南醫院招募了16例確診為活動性UC的患者，所有UC患者都診斷明確，并均未接受免疫抑制劑、類固醇或生物制劑的治療。UC患者的結腸黏膜組織在內鏡手術或手術中取得并保存在液氮中。同時選取16例年齡和性別匹配的健康志愿者作為對照組。本研究已獲得武漢大學中南醫院醫學倫理委員會批準（批號：科研論[2022011K]）。

使用TRIzol試劑（Invitrogen，美國）從結腸黏膜組織中提取總RNA，使用TOYOBO ReverTra Ace試劑盒（TOYOBO，日本），按照制造商的說明將每個RNA樣品轉化為cDNA。使用UltraSYBR混合物（CWBIO，中國）進行qRT-PCR，用LightCycler96實時熒光PCR儀（Roche，美國）進行mRNA表達的定量。采用2-ΔΔCt定量方法，以人GAPDH為內參。引物由中國武漢青島生物科技有限公司生產，引物序列見表1。

1.7 免疫浸潤分析

ssGSEA是一種廣泛應用于免疫浸潤分析的技術。通過R語言GSVA包實現ssGSEA功能，評估UC和對照樣品的免疫學特性。使用ggplot2包將關鍵基因與免疫細胞浸潤的相關性可視化，重點關注有顯著相關性的免疫細胞（P＜0.05）。

1.8 診斷模型的構建與驗證

采用mlr3框架構建8種分類模型（邏輯回歸、LDA、SVM、樸素貝葉斯、KNN、決策樹、隨機森林和XGBoost）。模型參數設置如下：隨機森林包含1 000棵決策樹，XGBoost設置100輪迭代和0.3學習率，SVM使用徑向基核函數（C=1，gamma=0.1）。通過5折交叉驗證重復10次評估模型性能，采用分層抽樣保持類別平衡。最終選擇交叉驗證AUC值最高的模型進行外部驗證，使用pROC包計算測試集AUC及其95%CI。

1.9 NETs相關基因表達亞型的鑒定

數據準備：從UC患者基線期（Week 0）基因表達矩陣中提取目標基因，進行log2轉化和標準化處理。采用非負矩陣分解（NMF）對基因表達數據進行多秩分析（k=1-10），通過100次迭代計算各秩的Cophenetic相關系數以評估聚類穩定性。選擇Cophenetic值首次顯著下降前的秩（k=2）作為最佳聚類數。使用brunet算法構建k=2的分解模型，迭代100次至收斂。根據系數矩陣將樣本劃分為2種表達亞型。共識矩陣熱圖：通過consensusmap函數展示樣本共聚類概率，矩陣塊狀結構反映亞型內一致性。采用Wilcoxon檢驗評估亞型間連續變量（如發病時間）差異，卡方檢驗分析分類變量差異。通過MCP-counter算法計算免疫細胞豐度，利用熱圖及箱線圖可視化亞型間浸潤差異。

1.10 藥物預測

DGIdb（Drug-Gene Interaction Database）是一個包含基因、基因產物、藥物和藥物-基因相互作用的在線數據庫[16]。利用該數據庫預測針對關鍵基因的潛在藥物。

1.11 統計學分析

使用R 4.2.2軟件進行統計學分析。采用配對t檢驗評估UC組與對照組靶基因相對mRNA表達水平的差異。采用Wilcoxon檢驗評估UC兩種亞型之間連續變量的差異。采用Spearman相關分析來評價相關性。以P＜0.05為差異具有統計學意義。

2 結果

2.1 NRGs的scRNA-seq數據分析、富集分析和細胞類型特異性分析

從GSE116222數據集中獲得UC患者和健康志愿者結腸活檢樣本的scRNA-seq數據。通過降維和UMAP可視化，鑒定了18個細胞簇，并將其注釋為6種細胞類型，包括上皮細胞、自然殺傷細胞（natural killer，NK）細胞、普通髓系祖細胞 、巨噬細胞、T細胞和B細胞。隨后，對每種細胞類型的標記基因進行鑒定，并描繪出每種細胞類型中表達水平最高和最低的前5個基因（附件圖2）。檢測NRGs在各細胞類型中的表達水平，與其他細胞類型相比，巨噬細胞中NRGs的表達量最多，根據NRGs的細胞個體表達相對于各自細胞類別中的平均表達水平將細胞分為高分組和低分組，結果顯示，免疫細胞在高分組中占主導地位（圖1）。

2.2 DEGs篩選及功能富集分析

去除GSE87466和GSE16879的批次效應后，得到138例樣本的數據集，對數據進行標準化，在UC和對照樣本之間共鑒定出3 278個DEGs，其中包括1 831個上調基因和1 447個下調基因，熱圖顯示前20個上調和下調的基因（圖2）。GO分析顯示，與細胞因子產生、受體配體活性、含膠原的細胞外基質、信號受體激活劑活性、質膜外側和細胞黏附相關的DEGs顯著富集，KEGG分析顯示細胞黏附分子、趨化因子信號通路和細胞因子-細胞因子受體相互作用的通路顯著富集（附件圖3）。

2.3 DE-NRGs的選擇與分析

在UC組與對照組之間共篩選出38個DE-NRGs，除SLC22A4外，UC組中所有基因均上調（附件圖4）。功能分析表明，DE-NRGs在白細胞遷移、促炎細胞因子產生、分泌顆粒膜、免疫受體活性、細胞因子-細胞因子受體相互作用中富集。KEGG富集分析顯示，與瘧疾、NETs形成、利什曼病、軍團菌病和金黃色葡萄球菌感染相關的通路顯著富集（圖3）。使用STRING數據庫生成38個DE-NRGs的PPI網絡（附件圖5）。

2.4 關鍵DE-NRGs的選擇與分析

應用Lasso回歸和隨機森林算法檢測DE- NRGs的特征，分別篩選出10個和15個基因，其中重疊的4個基因SLC25A37、F3、PTAFR和MME被鑒定為關鍵基因，它們之間存在顯著的正相關（圖 4）。收集16例UC患者和16例健康志愿者的腸黏膜樣本進行qRT-PCR分析，結果顯示，UC患者中關鍵基因的mRNA表達水平較健康志愿者顯著增加（圖5）。

2.5 免疫浸潤及單基因GSEA分析

免疫浸潤分析顯示，除CD56dim NK細胞外，大多數浸潤性免疫細胞與UC之間存在顯著的正相關，UC組中CD56dim NK細胞的豐度較對照組更低，而其他免疫細胞的豐度水平均較高，4個關鍵基因與大多數免疫細胞（如中性粒細胞、單核細胞和巨噬細胞）的浸潤呈較強的正相關，與CD56dim NK細胞浸潤呈負相關（圖6）。單基因GSEA分析顯示關鍵基因與細胞因子信號、白細胞介素信號、細胞外基質組織和膠原形成相關的通路存在正相關，與呼吸電子傳遞呈負相關（圖 7）。

2.6 診斷模型的構建及評價

使用不同的機器學習算法構建8個診斷模型，每個模型的穩健性通過在訓練集上進行10次重復的五折交叉驗證來測試。所有模型的AUC均大于0.75，表明具有較強的診斷效能，重復五折交叉驗證的結果顯示，8個模型均具有較好的穩定性，其中樸素貝葉斯算法構建的模型性能最好。因此，在GSE73661和GSE206285中選擇該模型進行外部驗證，樸素貝葉斯模型在上述兩個外部驗證集的AUC分別為0.792和0.921，表明該模型對UC的診斷價值較高（圖8）。

2.7 NETs相關亞型的鑒定與分析

使用NMF算法，確定不同的NETs相關亞型，并將GSE73661數據集的UC患者分為兩個亞型，其中亞型1的關鍵基因的表達水平更高，在這兩個亞型中鑒定出1 591個DEGs。GO和KEGG富集分析顯示，這些DEGs與T細胞活化、細胞因子產生的正調節、細胞因子-細胞因子受體相互作用相關（附件圖6）。在生物途徑差異方面，亞型1在各種免疫炎癥反應途徑中大量富集，包括白細胞介素相關信號通路、干擾素γ（interferon-γ，IFN-γ）反應和通過NF-κB介導的TNF-α信號通路（附件圖7）。除CD56bright NK細胞、CD56dim NK細胞和輔助T細胞17（Th17細胞）外，亞型1中免疫細胞的浸潤程度顯著高于亞型2。根據UC患者對不同生物制劑的反應和臨床活動度對其進行了分層，亞型2患者對IFX治療的反應率更高，臨床活動度更低，但兩類患者對VDZ治療的反應率無統計學差異（圖9）。

2.8 靶向藥物預測

在DGIbd在線數據庫中檢索22種藥物靶向F3、MME、PTAFR和SLC25A37基因的藥物，其中靶向F3的藥物5種，靶向PTAFR的藥物6種，靶向MME的藥物11種，未報道靶向SLC25A37的藥物，其中靶向PTAFR的藥物DERSALAZINE已完成II期臨床試驗（表2）[17-18]。

3 討論

UC的確切發病機制尚不明確，但普遍認為與遺傳易感性和環境因素有關，腸道屏障受損導致食物抗原和細菌的易位，從而使中性粒細胞聚集[19]。NETs通過分解細菌毒力因子和殺死細菌來增強抗菌活性，在中性粒細胞清除病原體的過程中發揮重要作用；NETs還可作為物理屏障，防止感染的進一步擴散。NETs在UC中展現出雙面性，在有效消滅微生物的同時，也會損傷腸上皮細胞，破壞腸上皮屏障的完整性[20]。本研究發現4個NETs相關的關鍵基因（F3、MME、PTAFR、SLC25A37）可能參與UC的發病和進展，有望成為診斷生物標志物和治療靶點。

凝血因子III（coagulation factor III，F3），又稱組織因子，是外源性血凝級聯反應的主要啟動因子[21]。F3可通過蛋白酶激活受體促進炎癥信號傳導，導致IL-1、IL-6、TNF-α等細胞因子的合成以及其他促炎信號的合成，在炎癥反應中，DNA纖維或核染色質釋放到細胞質中，與細胞質蛋白、顆粒蛋白、組蛋白和F3結合，包裹細胞質，最終形成NETs，導致組織損傷[22]。在UC中，F3可能通過參與NETs的形成從而發揮促炎作用。膜金屬內肽酶（membrane metalloendopeptidase，MME）是一種跨膜糖蛋白，在系統性紅斑狼瘡、牙周炎等炎癥中表達上調，且與疾病的嚴重程度呈正相關，MME主要在中性粒細胞和成纖維細胞上表達，表明MME可能通過調控中性粒細胞的免疫反應形成NETs在UC中發揮促炎作用 [23- 25]。血小板活化因子受體（platelet-activating factor receptor，PTAFR）主要分布在巨噬細胞和中性粒細胞中，是NETs形成的重要調控因子，在慢性阻塞性肺疾病、支氣管哮喘、類風濕性關節炎和炎癥性腸炎等炎癥性疾病中發揮重要作用，參與炎癥性腸炎腸外表現的調節，在DSS誘導的小鼠結腸炎模型中，PTAFR的表達上調，其作用機制是通過NLRP3炎性小體激活IL-1β發揮促炎作用，提示在UC患者發病過程中可能通過類似的機制發揮促炎作用[26-29]。編碼絲裂鐵蛋白-1的溶質載體家族25成員37（SLC25A37）基因與多發性硬化和骨關節炎等炎癥密切相關，在小鼠敗血癥模型中發現SLC25A37在外周血中性粒細胞中表達升高，提示SLC25A37在細菌性炎癥中的抗菌作用。SLC25A37基因有轉錄因子RelB的結合位點，推測在UC中在TNF-α刺激下可能通過非經典NF-κB通路調控SLC25A37基因表達發揮促炎作用[30]。

本研究發現4個關鍵基因之間存在正相關，提示潛在的協同效應。免疫浸潤分析表明，這些基因與大多數免疫細胞（包括中性粒細胞、單核細胞和巨噬細胞）的浸潤呈正相關，而與CD56dim NK細胞的浸潤呈負相關。單基因GSEA結果顯示，關鍵基因與免疫系統細胞因子信號轉導、膠原形成、細胞外基質組織和白細胞介素信號轉導呈正相關。這些發現與UC患者腸道的免疫細胞浸潤一致。UC的炎癥反應和細胞因子信號通路由多種免疫細胞驅動，包括巨噬細胞、樹突狀細胞、中性粒細胞、T細胞和B細胞 [31- 32]。免疫細胞浸潤和激活后釋放細胞因子（如IL- 1β、IL-6、IL-23、TNF、IFN-γ和與T輔助17細胞途徑相關的細胞因子）進入腸黏膜和外周循環，發揮促炎作用[33-34]。膠原蛋白是腸道細胞外基質的重要組成部分，在UC病理狀態下，包括中性粒細胞彈性酶（NETs的組成部分）在內的蛋白酶活性增加，破壞了細胞外基質降解和合成之間的平衡，影響腸道組織穩態，最終導致組織損傷和無效愈合[35]。呼吸電子傳遞是真核生物線粒體的基本功能，線粒體功能障礙與結腸炎癥密切相關，在活動性UC患者中，線粒體功能明顯下調[36]。

本研究通過NMF分析將UC患者分為2種亞型，其中關鍵基因均在亞型1中高表達。GSVA和免疫浸潤分析顯示，亞型1的炎癥反應增強。此外，這兩個亞型對生物制劑的反應和臨床活動度也不同，亞型2的患者IFX治療的有效率更高，臨床活動度更低。既往研究表明，UC患者外周血中TNF-α刺激中性粒細胞可誘導NETs形成，NETs反過來刺激固有層單核細胞TNF-α的分泌形成正反饋，形成炎癥的惡性循環，而抗TNF-α治療可打破這一循環，控制炎癥，緩解臨床癥狀 [37]。DERSALAZINE是唯一報道的用于UC的藥物，其由PTAFR拮抗劑和5-ASA組成的化合物。一項在輕度至中度UC患者中進行的為期4周的II期臨床試驗表明，DERSALAZINE比美沙拉秦更有效，但差異無統計學意義，其臨床價值有待進一步研究證實[38]。

本研究也存在一定的局限性。樸素貝葉斯模型表現出了較高穩定性和良好性能，但在臨床應用中仍面臨挑戰，醫生可能需要更多信息來支持臨床決策，數據質量和一致性是影響模型泛化能力的關鍵，優化運行效率和提升跨平臺兼容性將有助于推動臨床實際應用。本研究基于生物信息學，不能模擬真實病理過程，結論的可靠性有待進一步驗證。雖然在人體標本上驗證了關鍵基因的表達，但樣本量較少，未來仍需更大樣本量的研究驗證。

綜上，本研究通過生物信息學方法，確定了4個關鍵基因，建立了良好的診斷模型，并鑒定出兩個獨特的NETs相關亞型，為制定新的診斷標志物、治療靶點和制定個性化治療策略提供依 據。

附件見《醫學新知》官網附錄（https：//yxxz.whuznhmedj.com/futureApi/storage/appendix/202412002.pdf）

倫理聲明：本研究已獲得武漢大學中南醫院醫學倫理委員會批準（批號：科研論[2022011K]）

作者貢獻：研究設計、數據采集、數據分析、論文撰寫：孟秋月、袁一帆、李娜；實驗操作：盧嘉莉；論文審定、經費支持：葉梅

數據獲取：本研究中使用和（或）分析的數據可在Gene Expression Omnibus（GEO）數據庫（https：//www.ncbi.nlm.nih.gov/geo/）獲取

利益沖突聲明：無

致謝：不適用

參考文獻

Le Berre C， Honap S， Peyrin-Biroulet L. Ulcerative colitis[J]. Lancet， 2023， 402（10401）： 571-584. DOI： 10.1016/S0140-6736（23）00966-2.

Gros B， Kaplan GG. Ulcerative colitis in adults： a review[J]. JAMA， 2023， 330（10）： 951-965. DOI： 10.1001/jama.2023.15389.

Kilic Y， Kamal S， Jaffar F， et al. Prevalence of extraintestinal manifestations in inflammatory bowel disease： a systematic review and Meta-analysis[J]. Inflamm Bowel Dis， 2024， 30（2）： 230-239. DOI： 10.1093/ibd/izad061.

Saez A， Herrero-Fernandez B， Gomez-Bris R， et al. Pathophysiology of inflammatory bowel disease： innate immune system[J]. Int J Mol Sci， 2023， 24（2）： 1526. DOI： 10.3390/ijms24021526.

Brinkmann V， Reichard U， Goosmann C， et al. Neutrophil extracellular traps kill bacteria[J]. Science， 2004， 303（5663）： 1532-1535. DOI： 10.1126/science.1092385.

Wigerblad G， Kaplan MJ. Neutrophil extracellular traps in systemic autoimmune and autoinflammatory diseases[J]. Nat Rev Immunol， 2023， 23（5）： 274-288. DOI： 10.1038/s41577-022-00787-0.

Neubert E， Meyer D， Kruss S， et al. The power from within - understanding the driving forces of neutrophil extracellular trap formation[J]. J Cell Sci， 2020， 133（5）： jcs241075. DOI： 10.1242/jcs.241075.

Kaplan MJ， Radic M. Neutrophil extracellular traps： double-edged swords of innate immunity[J]. J Immunol， 2012， 189（6）： 2689-2695. DOI： 10.4049/jimmunol.1201719.

Dos Santos Ramos A， Viana GCS， de Macedo Brigido M， et al. Neutrophil extracellular traps in inflammatory bowel diseases： Implications in pathogenesis and therapeutic targets[J]. Pharmacol Res， 2021， 171： 105779. DOI： 10.1016/j.phrs.2021.105779.

Bennike TB， Carlsen TG， Ellingsen T， et al. Neutrophil extracellular traps in ulcerative colitis： a proteome analysis of intestinal biopsies[J]. Inflamm Bowel Dis， 2015， 21（9）： 2052-2067. DOI： 10.1097/MIB.0000000000000460.

Angelidou I， Chrysanthopoulou A， Mitsios A， et al. REDD1/autophagy pathway is associated with neutrophil-driven IL-1beta inflammatory response in active ulcerative colitis[J]. J Immunol， 2018， 200（12）： 3950-3961. DOI： 10.4049/jimmunol.1701643.

Dinallo V， Marafini I， Di Fusco D， et al. Neutrophil extracellular traps sustain inflammatory signals in ulcerative colitis[J]. J Crohns Colitis， 2019， 13（6）： 772-784. DOI： 10.1093/ecco-jcc/jjy215.

Zhang Y， Guo L， Dai Q， et al. A signature for pan-cancer prognosis based on neutrophil extracellular traps[J]. J Immunother Cancer， 2022， 10（6）： e004210. DOI： 10.1136/jitc-2021-004210.

Leek JT， Johnson WE， Parker HS， et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments[J]. Bioinformatics， 2012， 28（6）： 882-883. DOI： 10.1093/bioinformatics/bts034.

Friedman J， Hastie T， Tibshirani R. Regularization paths for generalized linear models via coordinate descent[J]. J Stat Softw， 2010， 33（1）： 1-22. DOI： 10.18637/jss.v033.i01.

Cannon M， Stevenson J， Stahl K， et al. DGIdb 5.0： rebuilding the drug-gene interaction database for precision medicine and drug discovery platforms[J]. Nucleic Acids Res， 2024， 52（D1）： D1227-D1235. DOI： 10.1093/nar/gkad1040.

Camuesco D， Rodríguez-Cabezas ME， Garrido-Mesa N， et al. The intestinal anti-inflammatory effect of dersalazine sodium is related to a down-regulation in IL-17 production in experimental models of rodent colitis[J]. Br J Pharmacol， 2012， 165（3）： 729-740. DOI： 10.1111/j.1476-5381.2011.01598.x.

Pontes C， Vives R， Torres F， et al. Safety and activity of dersalazine sodium in patients with mild-to-moderate active colitis： double-blind randomized proof of concept study[J]. Inflamm Bowel Dis， 2014， 20（11）： 2004-2012. DOI： 10.1097/MIB.0000000000000166.

Bernstein CN. Review article： changes in the epidemiology of inflammatory bowel disease-clues for aetiology[J]. Aliment Pharmacol Ther， 2017， 46（10）： 911-919. DOI： 10.1111/apt.14338.

Jorch SK， Kubes P. An emerging role for neutrophil extracellular traps in noninfectious disease[J]. Nat Med， 2017， 23（3）： 279-287. DOI： 10.1038/nm.4294.

Rauch U， Nemerson Y. Circulating tissue factor and thrombosis[J]. Curr Opin Hematol， 2000， 7（5）： 273-277. DOI： 10.1097/00062752-200009000-00003.

Witkowski M， Landmesser U， Rauch U. Tissue factor as a link between inflammation and coagulation[J]. Trends Cardiovas Med， 2016， 26（4）： 297-303. DOI： 10.1016/j.tcm.2015.12.001.

Depondt C， Donatello S， Rai M， et al. MME mutation in dominant spinocerebellar ataxia with neuropathy （SCA43）[J]. Neurol Genet， 2016， 2（5）： e94. DOI： 10.1212/NXG.0000000000000094.

Li M， Wang L， Zhan Y， et al. Membrane metalloendopeptidase （MME） suppresses metastasis of esophageal squamous cell carcinoma （ESCC） by inhibiting FAK-RhoA signaling axis[J]. Am J Pathol， 2019， 189（7）： 1462-1472. DOI： 10.1016/j.ajpath.2019.04.007.

Ding JT， Li CX， Shu KX， et al. Membrane metalloendopeptidase （MME） is positively correlated with systemic lupus erythematosus and may inhibit the occurrence of breast cancer[J]. Plos One， 2023， 18（8）： e0289960. DOI： 10.1371/journal.pone.0289960.

Hyland IK， O'Toole RF， Smith JA， et al. Progress in the development of platelet-activating factor receptor （PAFr） antagonists and applications in the treatment of inflammatory diseases[J]. ChemMedChem， 2018， 13（18）： 1873-1884. DOI： 10.1002/cmdc.201800401.

Edwards LJ， Constantinescu CS. Platelet activating factor/platelet activating factor receptor pathway as a potential therapeutic target in autoimmune diseases[J]. Inflamm Allergy Drug Targets， 2009， 8（3）： 182-190. DOI： 10.2174/187152809788681010.

Liu G， Mateer SW， Hsu A， et al. Platelet activating factor receptor regulates colitis-induced pulmonary inflammation through the NLRP3 inflammasome[J]. Mucosal Immunol， 2019， 12（4）： 862-873. DOI： 10.1038/s41385-019-0163-3.

Ye C， Zhao Y， Yu W， et al. Identifying PTAFR as a hub gene in atherosclerosis： implications for NETosis and disease progression[J]. Hum Genomics， 2024， 18（1）： 139. DOI： 10.1186/s40246-024-00708-3.

Derakhshani A， Safarpour H， Abdoli Shadbad M， et al. The role of hemoglobin subunit delta in the immunopathy of multiple sclerosis： mitochondria matters[J]. Front Immunol， 2021， 12： 709173. DOI： 10.3389/fimmu.2021.709173.

Mitsialis V， Wall S， Liu P， et al. Single-cell analyses of colon and blood reveal distinct immune cell signatures of ulcerative colitis and Crohn's disease[J]. Gastroenterology， 2020， 159（2）： 591-608， e10. DOI： 10.1053/j.gastro.2020.04.074.

Bressenot A， Salleron J， Bastien C， et al. Comparing histological activity indexes in UC[J]. Gut， 2015， 64（9）： 1412-1418. DOI： 10.1136/gutjnl-2014-307477.

Chen ML， Sundrud MS. Cytokine networks and T-cell subsets in inflammatory bowel diseases[J]. Inflamm Bowel Dis， 2016， 22（5）： 1157-1167. DOI： 10.1097/MIB.0000000000000714.

Rosen MJ， Karns R， Vallance JE， et al. Mucosal expression of type 2 and type 17 immune response genes distinguishes ulcerative colitis from colon-only Crohn's disease in treatment-naive pediatric patients[J]. Gastroenterology， 2017， 152（6）： 1345-1357. e7. DOI： 10.1053/j.gastro.2017.01.016.

Mortensen JH， Lindholm M， Langholm LL， et al. The intestinal tissue homeostasis-the role of extracellular matrix remodeling in inflammatory bowel disease[J]. Expert Rev Gastroenterol Hepatol， 2019， 13（10）： 977-993. DOI： 10.1080/17474124.2019.1673729.

Haberman Y， Karns R， Dexheimer PJ， et al. Ulcerative colitis mucosal transcriptomes reveal mitochondriopathy and personalized mechanisms underlying disease severity and treatment response[J]. Nat Commun， 2019， 10（1）： 38. DOI： 10.1038/s41467-018-07841-3.

Dinallo V， Marafini I， Di Fusco D， et al. Neutrophil extracellular traps sustain inflammatory signals in ulcerative colitis[J]. J Crohns Colitis， 2019， 13（6）： 772-784. DOI： 10.1093/ecco-jcc/jjy215.

Pontes C， Vives R， Torres F， et al. Safety and activity of dersalazine sodium in patients with mild-to-moderate active colitis： double-blind randomized proof of concept study[J]. Inflamm Bowel Dis， 2014， 20（11）： 2004-2012. DOI： 10.1097/MIB.0000000000000166.

本文編輯：桂裕亮" " " "曹 越

引用本文：孟秋月， 袁一帆， 李娜， 等. 中性粒細胞胞外陷阱在潰瘍性結腸炎中的作用[J]. 醫學新知， 2025， 35（3）： 289-302. DOI： 10.12173/j.issn.1004-5511.202412002.

Meng QY， Yuan YF， Li N， et al. The role of neutrophil extracellular traps in ulcerative colitis[J]. Yixue Xinzhi Zazhi， 2025， 35（3）： 289-302. DOI： 10.12173/j.issn.1004-5511.202412002.

#為共同第一作者

基金項目：國家自然科學基金面上項目（82470556）

通信作者：葉梅，博士，教授，主任醫師，博士研究生導師，Email：wumeiye08@163.com