1. 引言
系统性红斑狼疮(Systemic Lupus Erythematosus, SLE)是一种慢性自身免疫性疾病，可影响皮肤、关节、肾脏、心脏、肺部和神经系统等多器官系统，严重时，SLE可导致肾功能衰竭、心血管疾病和神经系统损伤，对患者的生活质量造成严重影响[1]。作为机体免疫防御的核心执行者，免疫细胞通过免疫监视、炎症调控等功能维持生理稳态，其功能失衡不仅与感染和肿瘤相关，更是自身免疫性疾病发生发展的关键机制。国内外研究现状显示，多种工程化T细胞疗法已获批用于治疗多种疾病，临床前和临床研究正在测试多种策略以修改免疫细胞的命运和功能[2]。在SLE治疗中，免疫细胞疗法可调节免疫系统，减少自身抗体产生，缓解病情。若在SLE等自身免疫性疾病中，免疫细胞功能异常，会导致免疫系统攻击自身组织，引发慢性炎症和组织损伤。因此，研究免疫细胞与系统性红斑狼疮之间的关系，不仅有助于揭示疾病的发病机制，还为开发新的治疗方法提供了潜在的靶点。同时，通过工程化免疫细胞疗法，可以调节免疫系统的功能，降低自身抗体的产生，减轻炎症和组织损伤，为个体化治疗和精准医疗提供科学依据，改善患者的预后和生活质量。
2. 背景
2.1. 免疫细胞的复杂性与多样性
免疫细胞系统呈现出高度异质性和功能复杂性，其组成涵盖淋巴细胞亚群(如T/B淋巴细胞)、固有免疫细胞(如巨噬细胞)等多种效应细胞类型。这些细胞通过精密的分工协作执行特异性免疫功能，包括免疫稳态维持和病原体清除等重要生理过程[3]。值得注意的是，免疫细胞的功能调控网络涉及多维度因素：一方面受遗传背景中关键基因的分子调控机制影响，另一方面与微环境信号及外界暴露因素产生动态互作。这种多层次的调控体系导致显著的个体化功能表型差异，进而通过改变药物代谢通路活性或免疫应答阈值，最终影响临床治疗反应的异质性。
2.2. 系统性红斑狼疮的流行病学特征以及所引发的社会问题
系统性红斑狼疮(SLE)发病呈现突出的人群异质性和环境交互性，是多因素(遗传、免疫紊乱、环境诱因如感染)复杂互作的结果[4]。该病存在鲜明的性别和年龄倾向，育龄期女性(16~40岁为高峰)发病率远高于男性[5]。值得注意的是，发展中国家的真实疾病负担常因医疗资源有限而被低估[6]。SLE引发的社会问题复杂而严峻。比如，迁延反复的病程与多样并发症需长期免疫抑制治疗，带来沉重的经济负担；疾病活动期导致劳动能力丧失，加剧社会经济损失；显性皮肤损害等症状易引发歧视，患者抑郁症发病率较普通人群高。因此，深入研究SLE的免疫调控机制，对于开发分层诊疗策略、缓解其多维公共卫生负担至关重要。
2.3. 孟德尔随机化的研究方法
本研究采用孟德尔随机化(Mendelian Randomization, MR)方法，以遗传变异作为工具变量，解析免疫细胞表型与系统性红斑狼疮(SLE)发病风险间的因果关联。通过整合全基因组关联研究(GWAS)的遗传数据，筛选与731种免疫细胞特征显著相关的单核苷酸多态性(SNPs)作为工具变量，系统评估免疫细胞动态变化对SLE的因果效应。研究结果可为靶向免疫微环境的精准干预策略提供遗传流行病学证据，并为SLE的个体化免疫治疗靶点筛选提供理论依据。
3. 研究资料与方法
3.1. 研究设计
本研究运用双样本单向孟德尔随机化(MR)方法，深入探究免疫细胞表型与系统性红斑狼疮(SLE)之间的因果关系。通过这种先进的遗传流行病学方法，我们能够有效减少混杂因素和反向因果关系对研究结果的影响。研究的目的是利用遗传信息作为工具变量，评估免疫细胞特征与SLE风险之间的潜在因果联系。这种因果推断有助于更准确地理解免疫细胞在SLE发病机制中的作用，为疾病的治疗和预防策略提供科学依据。
3.2. 数据来源
本研究基于撒丁岛GWAS队列的3757名个体基因组数据，通过双平台流式细胞术系统量化731种免疫细胞表型，涵盖细胞比例(特定亚群占淋巴单核细胞总数百分比)、绝对计数(每微升血液中细胞数量)及荧光强度(表面标志物MFI值)三大维度，同时整合反应性特征(RC)、活化参数(AC)和代谢潜能(MP)等多模态指标。检测体系采用两种标准化流式细胞仪，实现对免疫细胞组成异质性、数量动态及功能状态(如抗原表达水平)的系统性表征。
系统性红斑狼疮研究使用了Biobank Japan的179,000个体基因组和220种深度表型数据，结合病史和电子病历文本挖掘。通过220个深度表型的全基因组关联研究(GWAS)，与UK Biobank和FinnGene的数据联合分析，(ntotal = 628,000)的荟萃分析确定了约5000个新位点，这提高了人类特征基因组图谱的分辨率。这个图谱阐明了由主要组织相容性复合体位点所代表的多效性的景观，我们在那里进行了HLA精细定位。这项研究为深入理解系统性红斑狼疮提供了详实而综合的基因组数据分析[7]。通过GWASCatalog (ebi.ac.uk)网站分别获得免疫细胞和系统性红斑狼疮的数据，鉴于本研究基于已公开发表的全基因组关联研究(GWAS)数据，故无需进行伦理审批或取得知情同意。
3.3. 工具变量的选取
本研究基于全基因组关联研究(GWAS)筛选免疫细胞表型相关工具变量：选取与暴露显著相关的SNP (显著性阈值P < 5 × 10−8)，针对部分表型调整阈值至5 × 10−6以增加工具变量数量；采用连锁不平衡(LD)聚类(r2 < 0.001，窗口10,000 kb)，确保变量独立性；计算F统计量(F > 10)，剔除弱工具变量[8]；通过GWAS数据库验证SNP效应稳定性，统一暴露于结局数据中的等位基因方向；最终筛选的工具变量满足MR核心假设(强相关、独立性、排他性)，确保因果推断的稳健性。
3.4. 两样本孟德尔随机化的基本假设
基于孟德尔随机化的免疫细胞与系统性红斑狼疮因果关联研究，本研究以731种免疫细胞特征(GWAS数据库编号GCST0001391-GCST90018917)为暴露因素，筛选与免疫细胞显著相关的单核苷酸多态性(SNPs)作为工具变量(IVs)，系统性红斑狼疮(SLE)为结局因素，开展双样本孟德尔随机化(MR)分析。通过以下步骤确保因果推断的可靠性：1) 工具变量筛选：选取与免疫细胞表型强相关(P < 5 × 10−8)的SNPs作为IVs，满足“IV-暴露”强关联假设；2) 核心假设验证：a) IVs与暴露因素具有显著的相关性；b) IVs仅通过免疫细胞影响SLE，排除直接关联；c) IVs与SLE相关混杂因素无遗传关联[9]；3) 统计检验：采用逆方差加权法(IVW)为主分析，辅以MR-Egger、加权中位数法(WM)，并通过异质性检验(Cochran’s Q)、水平多效性检验(MR-PRESSO)验证结果稳健性[10]；4) 敏感性分析：计算F统计量(F > 10)规避弱工具偏倚，确保因果效应估计的可靠性[11]。
3.5. 研究与探讨
本研究探讨免疫细胞与系统性红斑狼疮发生风险的遗传相关性与因果关联，分析框架见图1遗传相关分析包括连锁不平衡得分回归分析和基因组结构方程建模，因果关联分析包括单变量MR分析和变量MR分析。
Figure 1. Major overview of the study design and assumptions of the Mendelian randomisation design
图1. 研究设计概述和孟德尔随机化设计的假设
4. 统计分析
本研究统计分析流程严格遵循工具变量法的核心要求，具体包括四个关键环节：1) 遗传工具变量的筛选与验证；2) 多模型孟德尔随机化(MR)分析；3) 异质性与水平多效性检验；4) 多重敏感性分析。该框架设计旨在保障因果效应估计的可靠性，并对暴露–结局的因果关联进行多维验证。在遗传工具变量的筛选阶段，我们基于GWAS汇总数据，首先筛选与暴露因素显著相关的SNP位点(筛选阈值P < 5 × 10−6)，此严格标准可有效控制弱工具变量偏倚。随后通过F统计量评估工具变量强度：F = [R2/(1 – R2)] × [(N – K − 1)/K]，式中N为暴露样本量，K为入选SNP数量[12]。本研究所有SNP的F值均高于经验阈值10 (区间19.54~3159.29)，证明所选工具变量具有充足解释力。最终纳入的24个独立SNP作为核心工具变量，其与暴露因素的空间关联特征如图2所示。
Figure 2. Scatter plot of immune cell phenotypes and Mendelian randomisation (MR) analyses for systemic lupus erythematosus (SLE)
图2. 免疫细胞表型和系统性红斑狼疮孟德尔随机化(MR)分析的散点图
在方法学选择上，本研究整合逆方差加权法(IVW)、加权中位数法(WM)和MR-Egger回归三种互补模型，通过模型间结果的一致性验证因果推断的稳健性[13]。同时采用Cochran’s Q检验评估遗传变异间的异质性，当Q检验P值 > 0.05时表明遗传变异间不存在显著异质性[14]。核心方法为IVW法，其在
Figure 3. Forest plot of leave-one-out (Loo) sensitivity analysis for Mendelian randomisation (MR) of immune cell phenotypes and systemic lupus erythematosus (SLE)
图3. 免疫细胞表型和系统性红斑狼疮孟德尔随机化(MR)“留一法”分析结果森林图
满足“所有工具变量有效且无水平多效性”的前提下，通过加权整合各工具变量效应值，提供高统计效能的因果效应估计。暴露变量的连续效应以β系数和95% CI呈现，二分类结局变量以OR和95% CI表示，显著性水平设为α = 0.05。为评估结果可靠性，进行了严格检验：1) 异质性检验：采用Cochran’s Q检验评估遗传变异间的异质性，所有Q检验P值 > 0.05，表明不存在显著异质性。2) 水平多效性检验：运用MR-PRESSO及MR-Egger回归截距项检验识别潜在多效性变异。MR-Egger回归截距项分析显示所有P值均>0.05 (图3)，证实工具变量不存在通过暴露外途径影响结局的偏倚，支具变量有效性。3) 敏感性分析：通过留一法敏感性分析排除单个SNP的过度影响。此外，绘制了漏斗图直观展示因果效应分布，显示基本对称且无明显偏倚(图4)，进一步支持结果的稳健性。
该分析框架通过方法学三角验证(IVW/WM/MR Egger)与统计检验(异质性/多效性)的双重保障，显著提升了因果推断结论的可靠性。各项检验均未显示显著异质性或多效性偏倚，进一步支持了因果推断的可靠性和结论的鲁棒性。所有统计分析在R和R Studio环境下完成，主要使用了“TwoSampleMR”和“MRPRESSO”等R包。
Figure 4. Funnel plot for Mendelian randomisation (MR) analysis of immune cell phenotypes and systemic lupus erythematosus (SLE)
图4. 免疫细胞表型和系统性红斑狼疮孟德尔随机化(MR)分析的漏斗图
最后以IVW法作为主要分析方法，检测到了OR < 1的18种免疫表型可以降低系统性红斑狼疮风险，分别是：CD24 on transitional (OR = 0.852, 95% CI: 0.728~0.997, P = 0.046)、CD25 on CD45RA- CD4 not Treg (OR = 0.897, 95% CI: 0.824~0.977, P = 0.013)、CD27 on T cell (OR = 0.904, 95% CI: 0.828~0.987, P = 0.025)、CD28- CD8br %T cell (OR = 0.817, 95% CI: 0.688~1.000, P = 0.050)、CD28 on resting Treg (OR = 0.781, 95% CI: 0.632~0.965, P = 0.022)、CD3- lymphocyte %lymphocyte (OR = 0.653, 95% CI: 0.469~0.980, P = 0.040)、CD4 on activated Treg (OR = 0.923, 95% CI: 0.831~1.000, P = 0.045)、CM DN (CD4-CD8-) %T cell (OR = 0.893, 95% CI: 0.816~0.977, P = 0.014)、CX3CR1 on CD14+ CD16+ monocyte (OR = 0.927, 95% CI: 0.862~0.997, P = 0.040)、HLA DR on CD14- CD16- (OR = 0.915, 95% CI: 0.843~0.985, P = 0.037)、HLA DR on DC (OR = 0.890, 95% CI: 0.821~0.985, P = 0.005)、HLA DR on plasmacytoid DC (OR = 0.912, 95% CI: 0.849~0.979, P = 0.011)、HLA DR+ CD4+ %lymphocyte (OR = 0.777, 95% CI: 0.657~0.919, P = 0.003)、HLA DR+ CD4+ %T cell (OR = 0.785, 95% CI: 0.673~0.917, P = 0.002)、HLA DR+ CD8br %lymphocyte (OR = 0.863, 95% CI: 0.761~0.978, P = 0.021)、HLA DR+ CD8br %T cell (OR = 0.908, 95% CI: 0.829~0.994, P = 0.037)、HLA DR+ T cell %lymphocyte (OR = 0.880, 95% CI: 0.804~0.964, P = 0.006)、HLA DR+ T cell %T cell (OR = 0.859, 95% CI: 0.700~0.934, P < 0.001)。其患病风险增加的概率分别是：14.8%、10.3%、9.6%、18.3%、21.9%、34.7%、7.7%、10.7%、7.3%、8.5%、11.0%、8.8%、22.3%、21.5%、13.7%、9.2%、12.0%、14.1%。
OR > 1的6种免疫表型增加系统性红斑狼疮风险，分别是：BAFF-R on IgD+ CD38- unsw mem (OR = 1.089, 95% CI: 1.004~1.182, P = 0.039)、CD11b on CD33br HLA DR+ CD14dim (OR = 1.136, 95% CI: 1.018~1.289, P = 0.023)、CD11b on CD66b++ myeloid cell (OR = 1.148, 95% CI: 1.018~1.295, P = 0.024)、CD25hi CD45RA- CD4 not Treg %T cell (OR = 1.109, 95% CI: 1.025~1.201, P = 0.010)、CD45 on CD4+ (OR = 1.315, 95% CI: 1.023~1.691, P = 0.033)、IgD+ CD24- %B cell (OR = 1.134, 95% CI: 1.009~1.274, P = 0.035)。其患病风险增加的概率分别是：8.9%、13.6%、14.8%、10.9%、31.5%、13.4%。其中最大风险增加：CD45 on CD4+ (+31.5%)，最大风险降低：CD3 lymphocyte %lymphocyte (−34.7%)，所有结果均基于IVW方法，P值 < 0.05具有统计学意义，孟德尔随机化结果(见图5)。这些结果提示了这些免疫表型对药物依赖的不同影响，为深入理解免疫系统与系统性红斑狼疮之间的关系提供了重要线索。
5. 讨论
系统性红斑狼疮(SLE)是一种复杂的自身免疫性疾病，其发病机制涉及遗传、环境和免疫因素的相互
Figure 5. Forest plot presenting results from the Mendelian randomisation (MR) analysis of immune cell phenotypes and systemic lupus erythematosus (SLE)
图5. 免疫细胞表型与系统性红斑狼疮孟德尔随机化(MR)分析结果森林图
作用[15]。免疫细胞在SLE的发生与发展中扮演着关键角色，它们通过调节免疫反应和炎症过程影响疾病的进程[16]。本研究通过孟德尔随机化方法，探讨了24种免疫细胞表型与SLE之间的因果关系，发现其中18种免疫表型与SLE风险降低相关，而6种免疫表型与SLE风险增加相关。这些发现表明，特定的免疫细胞表型可能通过影响免疫细胞的功能和炎症反应，进而参与SLE的发病机制。在探讨免疫细胞与系统性红斑狼疮(SLE)之间的复杂关系时，必须考虑到多效性的问题，即遗传工具变量可能通过多暴露以外的途径影响结局。多效性的存在可能影响孟德尔随机化(MR)分析结果的准确性，因此需要进行细致的多效性分析以确保结果的稳健性。其中，HLA-DR通路异常活化是核心风险机制：HLA DR+ CD4+ %T细胞(OR = 0.785, P = 0.002)和HLA DR+ CD8br %T细胞(OR = 0.908, P = 0.037)的保护效应，印证了MHC-II类分子过度表达驱动自身抗原提呈的经典理论[17] [18]。然而，需要进一步分析这些免疫细胞类型是否通过其他途径影响SLE风险，例如通过调节其他免疫细胞的功能或直接作用于靶器官。而Treg细胞功能失调表现为CD28 on resting Treg (OR = 0.781, P = 0.022)和CD4 on activated Treg (OR = 0.923, P = 0.045)的显著保护作用，提示Treg免疫抑制功能缺陷可促进自身免疫耐受崩溃[19] [20]。未来的研究需要探讨Treg细胞功能失调是否通过其他免疫途径加剧SLE，例如影响B细胞活化或髓系细胞的炎症浸润。此外，B细胞异常活化亦被证实为独立风险因素：BAFF-R on IgD+ CD38- unsw mem (OR = 1.089, P = 0.039)的风险效应与BAFF/APRIL通路过度激活的病理模型一致，为贝利尤单抗等靶向治疗提供机制支持[21]。研究应进一步分析B细胞活化是否通过其他机制影响SLE风险，如通过影响髓系细胞的行为。而髓系细胞炎症浸润的关键标志物CD11b (OR = 1.136~1.148, P < 0.025)在CD66b++髓系细胞和CD14dim单核细胞上的风险关联，进一步阐明先天免疫系统在SLE器官损伤中的推动作用[22]。未来的研究应考虑髓系细胞是否通过其他途径促进SLE，例如通过调节炎症反应或直接作用于靶器官。
为了更全面地分析这些免疫细胞类型与SLE之间的因果关系并探讨潜在的多效性通路对研究结果的影响，可以考虑使用其他MR方法，例如多变量MR，以进一步控制混杂因素。这种方法可以帮助识别和控制由遗传变异引起的多效性偏倚，从而提高因果推断的准确性。通过这些细致的分析，我们可以更深入地理解免疫系统在SLE中的作用机制，并为开发新的治疗策略提供科学依据。
本研究的优势在于：突破传统观察性研究的混杂偏倚限制，首次通过遗传工具变量(F值19.54~3159.29)建立免疫表型与SLE的因果链条，如发现CD3- lymphocyte %lymphocyte (OR = 0.653, P = 0.040)具有最强保护效应(降低34.7%风险)，该靶点尚未被现有药物开发关注。通过IVW/WM/MR-Egger三角验证、MR-PRESSO多效性校正(截距项P > 0.05)及留一法敏感性分析，确保CD45 on CD4+ (OR = 1.315, P = 0.033)等高风险靶点的结果稳健性。首次报道CX3CR1 on CD14+ CD16+单核细胞(OR = 0.927, P = 0.040)等新型趋化因子受体靶点，为亚群特异性干预提供新方向。
尽管本研究提供了免疫细胞与系统性红斑狼疮(SLE)之间关系的初步见解，但也存在一些局限性。首先，由于现有条件限制，本研究未能包含体外细胞实验或动物模型实验，这限制了我们提供更直接的生物学机制证据的能力。缺乏这些实验数据可能影响我们对免疫细胞在SLE中作用机制的深入理解。其次，本研究主要基于欧洲人群的遗传数据，可能存在种族差异，限制了结果的普遍适用性，即使采用了严格的工具变量筛选和敏感性分析，但仍不能完全排除水平多效性的潜在影响。此外，本研究未能涵盖所有可能与SLE相关的免疫细胞类型和亚群，未来的研究需要进一步扩大样本范围和免疫细胞表型的多样性。因此，未来的研究应进一步探索免疫细胞在SLE中的具体作用机制，包括它们如何通过调节免疫反应和炎症过程影响疾病的发生和发展。此外，未来的研究应考虑不同种族和人群的遗传背景，以提高研究结果的普遍适用性。同时，需要通过实验验证和干预试验来进一步验证本研究的发现，并探索免疫细胞作为SLE治疗靶点的潜力。通过这些努力，可以为SLE的预防和治疗提供新的策略和方法。
NOTES
*第一作者。
#通讯作者。