蛋白质组学模型可早期预测PEG IFNα治疗的HBsAg清除

编者按：

2025年美国肝病研究协会年会（AASLD 2025）于2025年11月7日至11日在美国华盛顿举行，肝霖君与您分享相关重要内容。

相比核苷(酸)类似物（NAs），聚乙二醇干扰素α（PEG IFNα）具有抗病毒和免疫调节的双重作用，其疗效存在显著的个体差异，如何精准识别优势应答者以进一步提高疗效是临床治疗的关键。

来自南京大学医学院附属鼓楼医院李婕教授、吴超教授团队在AASLD 2025大会摘要中公布的一项研究显示：基于基线血清蛋白质组学，结合机器学习算法的预测模型，可在PEG IFNα治疗前预测患者的HBsAg清除。

研究方法

这项回顾性队列研究纳入49例接受PEG IFNα单药或联合NAs治疗的慢乙肝患者。采用质谱技术对患者的基线血清蛋白表达谱进行全面分析，并结合随机森林、梯度提升决策树、极端梯度提升及支持向量机等多种机器学习算法进行数据分析，并通过Lasso特征选择结合逻辑回归建模，开发HBsAg清除的预测模型。采用受试者工作特征（ROC）曲线评估预测模型的性能。

研究结果

共纳入49例接受PEG IFNα治疗48周的慢乙肝患者，其中14例患者实现HBsAg清除。选择年龄匹配的男性HBsAg清除者（n=12）和HBsAg未清除者（n=12）进行蛋白质组学分析。将这24例患者按照1:1随机划分为训练集与内部验证集。通过整合suprabasin[SBSN]、mesoderm development protein[MESD]、[EZRI]，建立HBsAg清除的预测模型。这3种关键蛋白表明，中性粒细胞相关的免疫机制对接受PEG IFNα治疗的慢乙肝患者实现HBsAg清除至关重要。该模型表现出良好的预测性能，在训练集和内部验证集的ROC曲线下面积（AUC）分别高达0.984和0.964。

图：蛋白质组学模型对PEG IFNα治疗慢乙肝患者HBsAg清除的预测性能

研究结论：

本研究鉴定了基线血清的蛋白质组学生物标志物，可在PEG IFNα治疗前预测患者的HBsAg清除。这提供了具有临床指导意义的预后指标，以实现基于PEG IFNα的个性化治疗策略。

肝霖君有话说：

近年来，多项研究表明血清标志物IL-5、sPD-L1、sCD163、LY6E和TRIM6水平对预测HBsAg清除具有潜在价值。本研究从蛋白质组学层面，通过机器学习筛选出SBSN、MESD等关键蛋白，揭示了中性粒细胞相关的免疫机制在PEG IFNα治疗应答中的重要作用。未来，随着免疫学机制的深入探索，并通过真实世界研究对新型预测标志物进行临床验证，建立更精准的个体化治疗预测体系，有助于进一步提升慢乙肝患者的临床治愈率。

参考文献

Li J, Zhou SS, Yin SX, et al. Machine Learning Model Integrating Biomarkers for Predicting HBsAg Seroclearance in Pegylated Interferon-α (PEG IFN-α)-treated CHB Patients[J]. AASLD2025, Abstracts (1259).