科学家们已经学会通过细胞游离 RNA 的痕迹来识别慢性疲劳

康奈尔大学的一个研究小组证明，只需一小瓶血液就能提供肌痛性脑脊髓炎/慢性疲劳综合征 (ME/CFS) 的“分子指纹”。他们对血浆中的游离RNA (cfRNA) 进行了测序，并训练机器学习模型，以约77%的准确率区分患者和健康（久坐不动）个体。该模式表明患者免疫系统功能失调、细胞外基质“松散”以及T细胞疲劳的迹象，其中与干扰素反应相关的浆细胞样树突状细胞 (PCDC) 尤为突出。该研究成果于2025年8月11日在线发表于《美国国家科学院院刊》(PNAS)。

研究背景

• 缺乏“检测”的问题。肌痛性脑脊髓炎/慢性疲劳综合征 (ME/CFS) 没有可靠的实验室检测：诊断基于症状（运动后症状加重、“脑雾”、睡眠障碍等）并排除其他病因。正因如此，人们多年来一直在原地打转——几乎没有什么客观指标能让医生“上钩”。
• 看起来有很多症状。肌痛性脑脊髓炎/慢性疲劳综合征 (ME/CFS) 的症状与抑郁症、贫血、甲状腺功能障碍、自身免疫性疾病和感染后疾病以及近年来的长期新冠症状重叠。需要生物指纹来帮助区分它们。
• 他们为什么尝试血液和游离RNA（cfRNA）？血浆中含有由不同器官的细胞“释放”的RNA片段——游离RNA（cfRNA）。它就像人体的“黑匣子”：通过这些片段的集合，可以判断哪些组织和免疫细胞被激活，哪些通路正在“发出信号”。这种方法已在其他炎症和感染性疾病中得到证实。
• 是什么阻碍了我们观察到信号？CfRNA 分子小而脆弱，而且 ME/CFS 患者通常久坐不动——缺乏运动本身就会改变分子背景。因此，建立严谨的实验室流程（采集/储存/测序）并选择合适的对照组（包括健康但久坐不动的患者）至关重要。

这项工作的目的是什么？

1. 了解 ME/CFS 血液中是否具有持续的 cfRNA 特征。
2. 按来源分解信号：哪些细胞/组织有贡献。
3. 确定可以通过其他方法测试的生物途径（免疫失调、细胞外基质、T 细胞疲劳的迹象等）。
4. 建立一个可以区分 ME/CFS 与对照的机器学习模型是迈向客观测试和未来患者分层的一步。

实际意义

如果在大量人群中确认了 cfRNA 特征，它将产生：

• 辅助诊断工具（不是代替诊所，而是提供帮助）；
• ME/CFS 亚型的基础（有些更亲“干扰素”，有些更亲基质/血管等）；
• 有针对性的研究和干预措施反应监测的途径。

这个想法很简单：不要仅仅依赖症状，而是从血液中读取身体的系统“事件日志”，并从中提取可识别的 ME/CFS 概况。

他们做了什么？

• 他们从一组患有ME/CFS的人和一组健康但久坐不动的参与者身上采集了血液（以避免混淆疾病和缺乏活动的影响）。他们从血浆中分离出细胞受损和死亡时释放的微小RNA片段——这是一种记录全身活动情况的日记。然后，他们对这些片段进行测序，并“训练”算法来寻找疾病的模式。结果发现，病例组和对照组之间存在超过700个显著不同的转录本。
• 研究人员利用基因特征对cfRNA进行了“解卷积”，并评估了哪些细胞和组织正在发送信号。他们同时发现了六种细胞类型的差异，其中以产生I型干扰素（提示存在长期抗病毒反应）的浆细胞样树突状细胞为首。单核细胞、血小板和T细胞亚型也发生了变化。
• 基于 cfRNA 的分类器实现了约 77% 的准确率——对于现成的测试来说仍然很低，但朝着 ME/CFS 的客观诊断迈出了重要一步。

为什么这很重要？

• 目前尚无针对肌痛性脑脊髓炎/慢性疲劳综合征 (ME/CFS) 的实验室检测——其诊断基于多种症状（严重疲劳、劳累后症状加重、“脑雾”、睡眠障碍等），这些症状很容易与其他疾病混淆。血液“分子模型”或许能为医生提供帮助——至少在初期可以作为一种辅助工具。
• 该方法具有可扩展性：同一组工程师已经使用 cfRNA 来帮助区分儿童川崎病、MIS-C、细菌和病毒感染——也就是说，它是一个用于复杂诊断的通用平台。
• 对于肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）研究而言，这是朝着疾病机制生物标志物迈出的一步：干扰素轴、T细胞耗竭、基质破坏——所有这些都可以通过其他方法进行检测，并与蛋白质组学/代谢组学整合。该领域已经积累了类似的“拼图碎片”（例如，氧化应激和循环microRNA的作用），而cfRNA则为整个系统提供了自上而下的视角。

引人注目的细节

• >700 个差异转录本，重点关注免疫失调、细胞外基质组织和 T 细胞耗竭的途径，这不仅仅是是/否诊断，而且提示了该过程的生物学原理。
• 浆细胞样树突状细胞（IFN-I 的主要产生者）信号的增加与某些患者存在延长的抗病毒或“误导性”免疫反应的假设一致。
• 研究团队强调，使用 cfRNA 区分 ME/CFS 与长期 COVID 是潜在的可行的，并且考虑到症状和机制之间的重叠，这是合乎逻辑的下一步。

谨慎在哪里？

• 这并非“来自临床”的现成分析。77% 的准确率是一个良好的开端，但在临床应用之前，需要进行大规模、异质性的队列研究、外部验证、与其他疲劳疾病的比较以及定义预分析标准（如何采集/储存血液）。
• 对照组是健康的久坐人群；检查该模型在办公室实际鉴别诊断中如何发挥作用（抑郁症、贫血、甲状腺疾病、自身免疫和感染后综合症等）非常重要。
• cfRNA是人体整体的“总结”，它既敏感又模糊。因此，解读必须依赖独立的数据轴（蛋白质组学、免疫分析、临床）。

下一步是什么？

• 扩展数据集并将模型细化为多中心队列中的临床指标（AUC/敏感性/特异性）。
• 将 cfRNA 信号与症状严重程度和运动后动态关联起来，以接近患者分层。
• 将 cfRNA 与 ME/CFS 和长期 COVID 中已经积累的“组学”相结合是实现客观亚型和有针对性干预的途径。

结论

无细胞RNA已成为人体的“黑匣子”：其在血液中的模式可用于发现肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的征兆，而不仅仅是听到症状。明天不会有诊断测试，但方向很明确：一个试管——大量的生物学实验，医生们将有机会不再盲目地“摸象”。