简介：摘要目的通过加权基因共表达网络分析（WGCNA）识别脓毒症发生发展过程中的关键基因。方法从基因表达数据库（GEO）中下载基因表达数据集GSE154918，其中包含对照40例、无症状感染12例、脓毒症39例、脓毒症随访14例，共105例芯片数据。采用R软件筛选出脓毒症差异表达基因（DEG），用分布式访问视图集成数据库（DAVID）、检索交互基因的搜索工具（STRING）和可视化软件Cytoscape进行基因功能和通路富集分析、蛋白质-蛋白质相互作用（PPI）网络分析及关键基因分析，筛选出脓毒症发生发展过程中的关键基因。结果通过WGCNA并结合DEG表达分析得到46个候选基因，对这46个基因进行基因本体（GO）、京都市基因与基因组百科全书（KEGG）途径富集分析得到基因功能和参与的信号通路。进一步使用STRING数据库构建PPI网络，通过PPI网络可视化软件Cytoscape选出5个关键基因，包括肥大细胞表达膜蛋白1基因（MCEMP1）、S100钙结合蛋白A12基因（S100A12）、脂肪因子抵抗素基因（RETN）、c型凝集素结构域家族4成员基因（CLEC4D）、过氧化酶增殖因子活化受体基因（PPARG），对这5个基因分别进行表达差异分析，结果显示，在脓毒症患者中上述5个基因的表达水平较健康对照者显著性上调。结论本研究通过构建WGCNA方法筛选出有关脓毒症的5个关键基因，可能成为潜在的脓毒症诊疗相关候选靶点。

简介：摘要目的探讨T细胞表面程序性死亡受体-1（PD-1）表达水平在预测脓毒症患者预后的价值。方法入选2017年9月—2019年5月6所医院重症医学科的脓毒症患者，流式细胞术测患者外周血T细胞表面PD-1表达水平。Logistic回归分析影响脓毒症患者死亡的独立危险因素，受试者操作特征（ROC）曲线分析T细胞表面PD-1表达对脓毒症患者预后的预测价值。结果共纳入脓毒症患者64例，生存者32例，死亡者32例。第1、2、3、5、7天死亡者PD-1+/CD3+T细胞百分比、PD-1+/CD4+T细胞百分比高于生存者（P<0.05）。相关性分析显示，PD-1+/CD3+T细胞百分比、PD-1+/CD8+T细胞百分比与降钙素原呈正相关（r=0.313, P=0.015；r=0.375, P =0.003）。Logistic回归分析显示，第3天PD-1+/CD3+T细胞百分比、PD-1+/CD4+T细胞百分比、PD-1+/CD8+T细胞百分比是影响脓毒症患者死亡的独立危险因素。PD-1+/CD3+T细胞百分比为3.63%，预测脓毒症患者28 d死亡的敏感度 96.43%，特异度 59.38%。PD-1+/CD4+T细胞百分比为4.65%，预测脓毒症患者28 d死亡的敏感度 96.43%，特异度 62.50%。PD-1+/CD8+T细胞百分比为3.91%，预测脓毒症患者28 d死亡的敏感度 64.29%，特异度81.25%。结论脓毒症死亡者T细胞表面PD-1表达水平更高，T细胞表面PD-1表达增加是影响脓毒症患者死亡的独立危险因素，对脓毒症患者28 d死亡有较好的预测价值，联合使用PD-1+/CD3+T细胞百分比、PD-1+/CD4+T细胞百分比、PD-1+/CD8+T细胞百分比进一步提高对预后的预测价值。