DOI: https://doi.org/10.3389/fimmu.2026.1741455
PMID: https://pubmed.ncbi.nlm.nih.gov/41782855
تاريخ النشر: 2026-02-17
المؤلف: Nan Zhang وآخرون
الموضوع الرئيسي: الحويصلات خارج الخلوية في الأمراض
نظرة عامة
تدرس الدراسة الملف الأيضي للحويصلات خارج الخلوية البولية (uEVs) في مرضى التهاب الكلية الذئبي (LN)، وهو مضاعف خطير للذئبة الحمامية الجهازية (SLE). شملت الأبحاث عزل uEVs من عينات البول لـ 29 مريضًا بـ SLE يعانون من LN، و22 مريضًا بـ SLE بدون تأثير كلوي، و20 متطوعًا صحيًا (HCs)، وفقًا لإرشادات الحد الأدنى من المعلومات لدراسات الحويصلات خارج الخلوية (MISEV) للتوصيف. تم إجراء تحليل شامل غير مستهدف للأيض باستخدام الكروماتوغرافيا السائلة-مطياف الكتلة (LC-MS/MS)، مما أدى إلى تحديد 284 مستقلبًا مختلفًا بين مرضى LN وفئة SLE، مع 230 مستقلبًا مرتفعًا و54 منخفضًا.
تم استخدام تقنيات التعلم الآلي، وبشكل محدد خوارزمية الغابة العشوائية، لتحديد الأولويات، مما أسفر عن لوحة من عشرة مستقلبات مرشحة. من بين هذه المستقلبات، أظهر ثلاثة مستقلبات—غلوكوسيلسفينغوزين (Lyso-Gb1)، فوسفatidylethanolamine N-methylated (PE-NMe)، وPC(20:5/TXB2)—قدرات تمييز قوية لتمييز LN عن SLE غير الكلوي. تسلط هذه الأبحاث الضوء على إمكانيات توقيعات الأيض لـ uEV كعلامات حيوية غير جراحية للتشخيص الدقيق لالتهاب الكلية الذئبي.
مقدمة
تناقش مقدمة ورقة البحث الذئبة الحمامية الجهازية (SLE)، وهو اضطراب مناعي ذاتي معقد يؤدي غالبًا إلى اختلال كبير في المناعة وتلف متعدد الأعضاء، حيث يعد التهاب الكلية الذئبي (LN) مضاعفًا خطيرًا يؤثر على ما يصل إلى 40% من المرضى. يعد LN مساهمًا رئيسيًا في الاعتلال والوفيات، وعلى الرغم من التقدم في العلاج، قد يتقدم 5-20% من مرضى LN إلى مرض الكلى في مراحله النهائية خلال عقد من الزمن. يعد التشخيص المبكر والدقيق لـ LN أمرًا حاسمًا ولكنه يمثل تحديًا بسبب ظهور المرض الخبيث، وانخفاض حساسية التحليل البولي التقليدي، والطبيعة الجراحية للخزعة الكلوية، التي لا تناسب المراقبة المتكررة.
لمعالجة هذه الفجوة التشخيصية، تسلط الورقة الضوء على إمكانيات الخزعة السائلة، وخاصة من خلال تحليل الحويصلات خارج الخلوية (EVs) الموجودة في السوائل الحيوية. يتم التأكيد على أن uEVs هي مصادر قيمة للجزيئات المستمدة من الكلى التي يمكن أن توفر رؤى حول علم الأمراض الكلوية. بينما ركزت الأبحاث السابقة على الجوانب البروتينية والنسخية لـ EVs، تهدف هذه الدراسة إلى استكشاف الأيض الخاص بـ uEV، الذي يعكس الاضطرابات الأيضية الخاصة بالكلى المرتبطة بـ LN. قام المؤلفون بإجراء تحليل شامل غير مستهدف للأيض لـ uEVs من مرضى SLE مع وبدون LN، بالإضافة إلى متطوعين أصحاء، واستخدموا المعلوماتية الحيوية والتعلم الآلي بالغابة العشوائية لتحديد توقيع أيضي مميز لـ LN. تشير نتائجهم إلى أن الأيض لـ uEV يمكن أن يكون أداة قوية وغير جراحية للتشخيص الدقيق وتصنيف LN.
الطرق
تحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، معدات، وعينات بيولوجية، بالإضافة إلى مصادرها وطرق إعدادها. كما يصف القسم المنهجيات المطبقة لجمع البيانات وتحليلها، مما يضمن إمكانية تكرار النتائج.
تُبرز التقنيات والبروتوكولات الرئيسية، بما في ذلك أي تحليلات إحصائية تم إجراؤها للتحقق من النتائج. يؤكد القسم على الالتزام بالمعايير الأخلاقية والإرشادات ذات الصلة بسياق البحث، مما يضمن أن استنتاجات الدراسة قوية وموثوقة. بشكل عام، يعمل هذا القسم كدليل شامل للإطار التجريبي الذي يدعم نتائج البحث.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، مع اختبارات إحصائية تعطي قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في المجموعة التجريبية مقارنة بمجموعة التحكم، مع حساب أحجام التأثير لتحديد مدى هذه الاختلافات.
علاوة على ذلك، يتضمن القسم تمثيلات رسومية للبيانات، توضح العلاقات والاتجاهات بشكل أكثر فعالية. تدعم النتائج الفرضيات الأولية، مما يشير إلى أن التدخل المطبق له تأثير قابل للقياس على النتائج المدروسة. بشكل عام، تساهم النتائج في تقديم رؤى قيمة في هذا المجال، مما يوفر أساسًا لمزيد من البحث والتطبيقات المحتملة.
المناقشة
في هذه الدراسة، بحث المؤلفون في الملفات الأيضية للحويصلات خارج الخلوية البولية (uEVs) من مرضى الذئبة الحمامية الجهازية (SLE)، مع التركيز بشكل خاص على أولئك الذين يعانون من التهاب الكلية الذئبي (LN) والذين لا يعانون منه، مقارنة بالمتطوعين الأصحاء (HC). باستخدام تحليل LC-MS/MS غير المستهدف عالي الدقة، حددوا تغييرات أيضية كبيرة مرتبطة بـ LN، وخاصة في مسارات أيض الدهون مثل أيض السفينغوليبيد والفوسفوليبيد. تم الكشف عن إجمالي 513 مستقلبًا مختلفًا بين مرضى SLE وHCs، مع 284 مستقلبًا يميز LN عن مرضى SLE غير الكلوي. من الجدير بالذكر أن الدراسة سلطت الضوء على ثلاثة مستقلبات—غلوكوسيلسفينغوزين (Lyso-Gb1)، PE-NMe(18:1(9Z)/20:4(8Z,11Z,14Z,17Z))، وPC(20:5(5Z,8Z,11Z,14Z,17Z)/TXB2)—التي أظهرت أداءً تشخيصيًا عاليًا، محققة قيم منطقة تحت المنحنى (AUC) تبلغ 0.912، 0.906، و0.897، على التوالي.
تشير النتائج إلى أن توقيعات الأيض لـ uEV يمكن أن تكون علامات حيوية غير جراحية لـ LN، تلتقط التغيرات الأيضية والفيزيولوجية المرضية التي لا تعكسها بشكل كامل العلامات السريرية التقليدية. تؤكد الدراسة على إمكانيات دمج التعلم الآلي مع الأيض لتعزيز تشخيص ومراقبة LN. ومع ذلك، يعترف المؤلفون بالقيود، بما في ذلك تصميم المركز الواحد والعوامل المربكة المحتملة المتعلقة بنشاط المرض والتعرض للعلاج، مما يبرز الحاجة إلى مزيد من التحقق في مجموعات متنوعة واستكشاف العلاقات الميكانيكية بين المستقلبات المحددة ومرض التهاب الكلية الذئبي.
DOI: https://doi.org/10.3389/fimmu.2026.1741455
PMID: https://pubmed.ncbi.nlm.nih.gov/41782855
Publication Date: 2026-02-17
Author(s): Nan Zhang et al.
Primary Topic: Extracellular vesicles in disease
Overview
The study investigates the metabolomic profile of urinary extracellular vesicles (uEVs) in patients with lupus nephritis (LN), a serious complication of systemic lupus erythematosus (SLE). The research involved isolating uEVs from urine samples of 29 SLE patients with LN, 22 SLE patients without renal involvement, and 20 healthy controls (HCs), following the Minimal Information for Studies of Extracellular Vesicles (MISEV) guidelines for characterization. Comprehensive untargeted metabolomic profiling was conducted using liquid chromatography-tandem mass spectrometry (LC-MS/MS), leading to the identification of 284 differential metabolites between LN patients and the SLE cohort, with 230 metabolites upregulated and 54 downregulated.
Machine learning techniques, specifically a random forest algorithm, were employed to prioritize features, resulting in a panel of ten candidate metabolites. Among these, three metabolites—Glucosylsphingosine (Lyso-Gb1), phosphatidylethanolamine N-methylated (PE-NMe), and PC(20:5/TXB2)—exhibited strong discriminatory capabilities for distinguishing LN from non-renal SLE. This research highlights the potential of uEV metabolomic signatures as non-invasive biomarkers for the precision diagnosis of lupus nephritis.
Introduction
The introduction of the research paper discusses systemic lupus erythematosus (SLE), a complex autoimmune disorder that often leads to significant immune dysregulation and multi-organ damage, with lupus nephritis (LN) being a severe complication affecting up to 40% of patients. LN is a major contributor to morbidity and mortality, and despite advancements in treatment, 5-20% of LN patients may progress to end-stage renal disease within a decade. The early and accurate diagnosis of LN is critical yet challenging due to the insidious onset of the disease, the low sensitivity of conventional urinalysis, and the invasive nature of renal biopsy, which is not suitable for frequent monitoring.
To address this diagnostic gap, the paper highlights the potential of liquid biopsy, particularly through the analysis of extracellular vesicles (EVs) found in biofluids. Urinary EVs (uEVs) are emphasized as valuable sources of kidney-derived molecules that can provide insights into renal pathology. While previous research has focused on the proteomic and transcriptomic aspects of EVs, this study aims to explore the uEV metabolome, which reflects renal-specific metabolic disturbances associated with LN. The authors conducted high-resolution untargeted metabolomic profiling of uEVs from SLE patients with and without LN, as well as healthy controls, and utilized bioinformatics and random forest machine learning to identify a distinct metabolic signature for LN. Their findings suggest that uEV metabolomics could serve as a powerful, non-invasive tool for the precise diagnosis and stratification of LN.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, as well as their sources and preparation methods. The section also describes the methodologies applied for data collection and analysis, ensuring reproducibility of the results.
Key techniques and protocols are highlighted, including any statistical analyses performed to validate findings. The section emphasizes adherence to ethical standards and guidelines relevant to the research context, ensuring that the study’s conclusions are robust and reliable. Overall, this section serves as a comprehensive guide to the experimental framework that underpins the research outcomes.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicates a significant correlation between the variables under investigation, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the results demonstrate a clear trend in the experimental group compared to the control group, with effect sizes calculated to quantify the magnitude of these differences.
Furthermore, the section includes graphical representations of the data, illustrating the relationships and trends more effectively. The findings support the initial hypotheses, indicating that the intervention applied has a measurable impact on the outcomes studied. Overall, the results contribute valuable insights into the field, providing a foundation for further research and potential applications.
Discussion
In this study, the authors investigated the metabolomic profiles of urinary extracellular vesicles (uEVs) from patients with systemic lupus erythematosus (SLE), specifically focusing on those with and without lupus nephritis (LN), compared to healthy controls (HC). Utilizing high-resolution untargeted LC-MS/MS analysis, they identified significant metabolic alterations associated with LN, particularly in lipid metabolism pathways such as sphingolipid and glycerophospholipid metabolism. A total of 513 differential metabolites were detected between SLE patients and HCs, with 284 metabolites distinguishing LN from non-renal SLE patients. Notably, the study highlighted three metabolites—Glucosylsphingosine (Lyso-Gb1), PE-NMe(18:1(9Z)/20:4(8Z,11Z,14Z,17Z)), and PC(20:5(5Z,8Z,11Z,14Z,17Z)/TXB2)—which exhibited high diagnostic performance, achieving area under the curve (AUC) values of 0.912, 0.906, and 0.897, respectively.
The findings suggest that uEV metabolomic signatures could serve as non-invasive biomarkers for LN, capturing metabolic and pathophysiological changes not fully reflected by conventional clinical markers. The study underscores the potential of integrating machine learning with metabolomics to enhance the diagnosis and monitoring of LN. However, the authors acknowledge limitations, including the single-center design and potential confounding factors related to disease activity and treatment exposure, emphasizing the need for further validation in diverse cohorts and the exploration of mechanistic relationships between identified metabolites and LN pathogenesis.