2026, Vol. 35
引用本文 |
2. 杭州师范大学, 杭州 311121
2. Hangzhou Normal University, Hangzhou 311121, China
脓毒症是一种由感染引发全身性炎症反应所导致的复杂临床综合征。脓毒症的最新定义3.0强调了宿主对感染反应的失调[1]，从而导致危及生命的器官功能障碍。在脓毒症的早期阶段，患者体内会大量释放细胞因子，形成风暴，加剧炎症和器官损伤[2]。尽管脓毒症治疗指南不断更新，患者早期病死率有所下降，但长期病死率却有所上升[3]。后续研究表明，长期病死率的上升与脓毒症引起的免疫抑制密切相关。脓毒症中的免疫抑制并非在疾病后期才出现，而是在早期细胞因子风暴发生的同时就已存在[4]。当机体检测到过度的炎症反应时，会迅速启动抗炎反应，其中调节性T细胞（regulatory T cell, Treg细胞）发挥着重要作用。
Treg细胞是能够主动调节或抑制其他免疫活性细胞功能的细胞。以往的研究往往关注脓毒症患者T淋巴细胞亚群数量或比例的变化，而忽视了细胞功能水平的变化。脓毒症条件下的Treg细胞损伤会影响其细胞功能，而细胞功能与线粒体功能密切相关。随着技术的进步，近年来出现了一种新的免疫荧光技术，可在Treg单细胞水平检测线粒体质量以反映线粒体功能，从而量化线粒体功能并反映细胞功能的变化，即单细胞线粒体质量（single-cell mitochondrial mass, SCMM），线粒体功能障碍的程度与线粒体质量呈正相关[5]。
本研究以患有和未患有脓毒症的患者为研究对象，采用流式细胞术定量计算单个调节性T细胞线粒体质量（single-cell mitochondrial mass in regulatory T lymphocyte, SCMM-Treg），从而量化Treg细胞的线粒体功能，并探讨Treg细胞线粒体功能水平在脓毒症的诊断和预后中的。
1 资料与方法 1.1 研究对象本研究纳入了2022年11月至2024年11月期间在浙江省人民医院急诊重症监护室（EICU）住院的患者，收集了患者入院基础资料、首次送检实验室资料24 h内送检的流式细胞资料以及脓毒症患者的28 d生存时间及结局。根据脓毒症诊断标准3.0（确诊感染，且SOFA评分≥2分）分为脓毒症组与非脓毒症组，脓毒症组患者再根据28 d预后结局分为生存组与死亡组。
纳入标准：（1）年龄≥18岁；（2）入住EICU患者；（3）预计EICU住院时间超过48 h；（4）签署知情同意书。排除标准：（1）年龄 < 18岁；（2）免疫系统疾病；（3）肿瘤疾病；（4）HIV感染；（5）器官移植或长期使用糖皮质激素、免疫抑制剂和放化疗；（6）妊娠或哺乳期；（7）预计EICU住院时间小于48 h；（8）未签署知情同意书。
本研究方案经浙江省人民医院医学伦理委员会审查批准[编号：浙人医伦审2024研第(072)号]，所有收集的指标均获得患者或其家属的知情同意。
1.2 流式细胞术采用流式细胞术检测Treg细胞线粒体质量。用紫色采血管（含有EDTA-K2抗凝剂）采集外周动脉血样5 mL左右，并添加了包含了MitoDye的线粒体荧光探针标记的抗体的试剂，这些抗体能特异性地与细胞表面抗原结合。由于这种结合不受线粒体膜电位的影响，因此非常适合用于追踪和研究线粒体自噬[6]。随后，通过流式细胞术确定Treg细胞（CD4+CD25+CD127low）的存在。线粒体膜电位高时，荧光抗体聚集发红光；电位低时，保持单体发绿光，便于通过颜色变化检测膜电位变化。见图 1。
|
| 注：A通过观察事件计数随时间的变化来排除分析中的异常情况；B通过研究PerCP/Cy5.5信号的两个特征与积分属性的比较，排除了由于黏附形成导致的双细胞/多细胞信号；C识别单核细胞并设置单核细胞群体的门控；D为去除单核细胞群体后，识别中性粒细胞（Gran）和淋巴细胞（Lymph）并进行门控；E在淋巴细胞门控内识别CD4+ T细胞群体，并进行社交门控；F为在CD4+ T细胞群体门控内识别调节性T细胞（Treg）群体；G、H展示了MitoDye染色中淋巴细胞和Treg细胞的聚集特征；MMP低%表示低线粒体膜电位；这些线粒体的荧光特性通过APC通道的点密度图显示 图 1 流式细胞术检测Treg细胞线粒体质量 Fig 1 Detection of mitochondrial mass in Treg cells by flow cytometry |
|
|
线粒体膜电位的下降是细胞凋亡的一个标志性事件[7]。通过分析信号获取细胞线粒体大小、内部结构和抗原表达水平信息。单细胞线粒体质量半定量测定需标准化细胞数量、染料浓度和孵育时间。首先圈出细胞亚群进行绝对计数，然后获取CD4+和CD8+ T细胞，最后通过CD25+CD127low标记确定Treg亚群。CD4+与Treg细胞存在共线性问题。接着基于线粒体内膜荧光计算线粒体质量（mitochondrial mass, MM），再根据MM和Treg细胞总数计算SCMM。SCMM比传统MM更准确反映线粒体功能，不受细胞亚群数量和时间差异影响，被视为新方法。
流式细胞仪器的荧光检测为638或640 nm激发的APC通道，它是一种特异性结合活细胞线粒体的深红色荧光小分子（Ex=644 nm，Em=665 nm），可自由穿透细胞膜与线粒体外膜，以此监测线粒体质量、含量。相关检测试剂均购自于泛肽生物科技（浙江）有限公司。流式细胞仪型号为NovoCyte 2060R（2激光6通道）安捷伦生物（Santa Clara, CA, USA）。SCMM计算大致为MM/细胞绝对计数值，其中MM的获得为APC通道的荧光强度中位值（median fluorescence intensity, MFI）通过人淋巴细胞线粒体功能数据分析评估软件计算获得（CN 114577774 B）。该MM指标已在多个研究中报道[8-10]。
1.3 统计学方法本研究数据分析彩SPSS 27.0、GraphPad Prism 10.1.2及Origin Pro 2024统计软件完成。Shapiro-Wilk检验正态性，Levene检验方差齐性。正态分布数据以均数±标准差（x±s）表示，组间比较用t检验；偏态分布数据以中位数和四分位数[M(Q1, Q3)]表示，比较用秩和检验。计数资料采用例数（%）表示，两组间率的比较采用卡方检验。采用Spearman进行相关性分析。利用二元Logistic回归模型筛选脓毒症诊断及预后的独立危险因素，并构建受试者工作特征（ROC）曲线，以曲线下面积（AUC）大于0.50作为预测价值的判断标准。生存分析采用Kaplan-Meier法绘制生存曲线，组间生存差异通过Log-rank检验进行比较。以P < 0.05为差异有统计学意义。
2 结果2022年至2024年期间，共有1 100例患者被收治入EICU。根据纳排标准，以及家属是否签署知情同意书的情况，最初有253例患者被纳入研究。经过入住观察分析后，再次排除了患有免疫疾病、失访以及入组后拒绝的患者，最终共有124例患者被纳入最终分析（见图 2）。
|
| 图 2 患者纳入流程图 Fig 2 Study flow diagram of patient inclusion |
|
|
将脓毒症患者与非脓毒症组患者的基线资料进行单因素分析（表 1），结果显示两组患者基线资料以及基础疾病差异无统计学意义，具有可比性。SCMM-Treg与SCMM-CD4+具有共线性问题（图 3），SCMM-CD4+不进行二元Logistic分析。
| 变量 | 脓毒症组(n=63) | 非脓毒症组(n=61) | χ2/t/Z值 | P值 |
| 性别a | 0.415 | 0.519 | ||
| 男性 | 41 (65.1) | 43 (70.5) | ||
| 女性 | 22 (34.9) | 18 (29.5) | ||
| 年龄(岁) b | 70.00 (58.00, 83.00) | 66.00 (46.50, 77.00) | 1.840 | 0.066 |
| 高血压a | 0.312 | 0.576 | ||
| 有 | 30 (47.6) | 26 (42.6) | ||
| 无 | 33 (52.4) | 35 (57.4) | ||
| 糖尿病a | 1.628 | 0.202 | ||
| 有 | 15 (23.8) | 9 (14.8) | ||
| 无 | 48 (76.2) | 52 (85.2) | ||
| 冠状动脉性心脏病a | 2.360 | 0.125 | ||
| 有 | 20 (31.7) | 12 (19.7) | ||
| 无 | 43 (68.3) | 49 (80.3) | ||
| 实验室资料b | ||||
| N/L (%) | 14.88 (9.34, 26.48) | 8.57 (4.74, 13.60) | 4.008 | < 0.001 |
| WBC (×109/L) | 10.69 (7.87, 14.23) | 10.02 (7.08, 13.99) | 0.745 | 0.456 |
| PLT (×109/L) | 109.00 (65.00, 157.00) | 175.00 (115.50, 250.50) | 3.716 | < 0.001 |
| PCT (ng/mL) | 2.70 (0.54, 22.00) | 0.36 (0.12, 1.45) | 4.896 | < 0.001 |
| CRP (mg/L) | 86.10 (38.40, 172.40) | 26.20 (8.75, 89.75) | 3.296 | < 0.001 |
| Alb(g/L) | 31.70 (27.90, 35.50) | 33.60 (29.65, 36.20) | 1.619 | 0.105 |
| TB (μmol/L) | 15.80 (11.20, 21.80) | 13.40 (8.65, 18.30) | 2.109 | 0.035 |
| Scr (μmol/L) | 100.20 (68.80, 188.00) | 62.10 (48.30, 103.40) | 4.021 | < 0.001 |
| BNP (ng/mL) | 452.30 (110.00, 1 103.00) | 62.10 (20.80, 197.90) | 5.325 | < 0.001 |
| pH | 7.42 (7.36, 7.45) | 7.43 (7.39, 7.45) | 0.325 | 0.745 |
| Lac(mmol/L) | 2.10 (1.60, 3.20) | 1.50 (1.10, 2.05) | 3.641 | < 0.001 |
| PT(s) | 14.20 (13.10, 16.90) | 13.20 (12.35, 14.10) | 3.655 | < 0.001 |
| APTT(s) | 30.50 (28.00, 39.80) | 28.50 (25.55, 31.80) | 3.619 | 0.002 |
| APACHE Ⅱ评分 | 22.00 (17.00, 33.00) | 14.00 (8.00, 21.50) | 4.601 | < 0.001 |
| NRS评分 | 4.00 (3.00, 6.00) | 3.00 (3.00, 4.00) | 3.782 | < 0.001 |
| 流式细胞资料b | ||||
| SCMM-CD4+ | 2.30 (0.98, 4.04) | 0.66 (0.40, 1.37) | 7.577 | < 0.001 |
| SCMM-Treg | 43.93 (27.81, 70.42) | 14.99 (8.11, 22.04) | 5.778 | < 0.001 |
| 注：a为(例, %)，b为M(Q1, Q3)；N/L为中性粒细胞与淋巴细胞比值，WBC为白细胞计数，PLT为血小板计数，PCT为降钙素原，CRP为超敏C反应蛋白，Alb为白蛋白，TB为总胆红素，Scr为血清肌酐，BNP为B型利钠肽，Lac为乳酸，PT为凝血酶原时间，APTT为活化部分凝血活酶时间，APACHE Ⅱ评分为急性生理与慢性健康状况评估Ⅱ评分，NRS评分为营养风险筛查，SCMM-CD4+为CD4+T细胞线粒体质量，SCMM-Treg为调节性T细胞线粒体质量 | ||||
|
| 注：相关性热图展示了各种临床参数与淋巴细胞亚群之间的相关系数（r）；颜色标度表示相关性的强度和方向，红色表示正相关，蓝色表示负相关；每个单元格中的数值代表Spearman相关系数（r） 图 3 脓毒症与非脓毒症患者指标相关性分析 Fig 3 Correlation analysis of clinical parameters in septic patients versus non-septic patients |
|
|
二元Logistic回归分析（表 2、图 4）结果显示，SCMM-Treg（OR=1.116, 95%CI: 1.059~1.176）和APACHE Ⅱ评分（OR=1.092, 95%CI: 1.007~1.184）是脓毒症诊断的独立危险因素（均P < 0.05）。评估各危险因素对脓毒症的诊断价值（表 3、图 5）：ROC曲线分析结果显示，APACHE Ⅱ评分及SCMM-Treg对脓毒症的诊断均有一定的价值（均P < 0.05）。①当APACHE Ⅱ评分的截断值为16.50时，AUC为0.739(敏感度77.8%，特异度63.9%)；②当SCMM-Treg的截断值为23.21时，AUC=0.895（敏感度84.1%，特异度80.3%）；③二元Logistic回归综合概率，观察预测模型是否可以进一步优化。结果表明，当截断值为0.426时，AUC为0.952（敏感度为88.9%，特异度90.2%）。
| 变量 | β | S.E. | Wald | P值 | OR | 95%CI |
| 年龄(岁) | -0.503 | 0.024 | 4.723 | 0.030 | 0.948 | 0.904~0.995 |
| N/L (%) | 0.046 | 0.029 | 2.476 | 0.116 | 1.047 | 0.989~1.004 |
| PLT (×109/L) | 0 | 0.003 | 0 | 0.985 | 1.000 | 0.994~1.006 |
| PCT (ng/mL) | 0.054 | 0.036 | 2.186 | 0.139 | 1.055 | 0.983~1.133 |
| CRP (mg/L) | -0.002 | 0.005 | 0.239 | 0.625 | 0.998 | 0.998~1.007 |
| TB (μmol/L) | 0.007 | 0.011 | 0.414 | 0.52 | 1.007 | 0.986~1.029 |
| Scr (μmol/L) | 0.001 | 0.004 | 0.091 | 0.763 | 1.001 | 0.993~1.009 |
| BNP (ng/mL) | 0.001 | 0.001 | 0.857 | 0.355 | 1.001 | 0.999~1.002 |
| Lac(mmol/L) | -0.016 | 0.023 | 0.52 | 0.471 | 0.984 | 0.941~1.029 |
| PT(s) | -0.086 | 0.118 | 0.536 | 0.464 | 0.918 | 0.729~1.155 |
| APTT(s) | -0.049 | 0.043 | 1.252 | 0.263 | 0.953 | 0.875~1.037 |
| APACHE Ⅱ评分 | 0.088 | 0.041 | 4.525 | 0.033 | 1.092 | 1.007~1.184 |
| NRS评分 | -0.132 | 0.248 | 0.286 | 0.593 | 0.876 | 0.539~1.424 |
| SCMM-Treg | 0.109 | 0.027 | 16.664 | < 0.001 | 1.116 | 1.059~1.176 |
|
| 注：该图展示了每个变量的比值比（OR）和95%置信区间（CI）；垂直实线在OR为1处代表无效应。OR大于1表示风险增加，而OR小于1表示风险降低。对于每个变量，正方形代表OR的点估计值，水平线代表 95%置信区间；置信区间不穿过垂直线则表示具有统计学意义 图 4 脓毒症诊断二元Logistic回归分析森林图 Fig 4 Forest plot of binary multivariate logistic regression analysis for sepsis diagnosis |
|
|
| 变量 | AUC | 95%CI | P值 | 截断值 | 敏感度(%) | 特异度(%) | 约登指数 |
| APACHE Ⅱ评分 | 0.739 | 0.653~0.826 | < 0.001 | 16.5 | 77.8 | 63.9 | 0.417 |
| SCMM-Treg | 0.895 | 0.840~0.949 | < 0.001 | 23.21 | 84.1 | 80.3 | 0.644 |
| SCMM-Treg联合APACHE Ⅱ评分 | 0.952 | 0.916~0.987 | < 0.001 | 0.426 | 88.9 | 90.2 | 0.791 |
| 注：AUC为曲线下面积，S.E.为常用项系数的标准误，95%CI为95%置信区间 | |||||||
|
| 图 5 脓毒症患者诊断的独立危险因素ROC曲线分析 Fig 5 ROC curve analysis of independent risk factors for the diagnosis of septic patients |
|
|
综上分析，SCMM-Treg对脓毒症的诊断具有一定的预测价值，并且联合APACHE Ⅱ评分的预测效能更好。
2.2 SCMM-Treg在脓毒症预后中的意义为了进一步探究SCMM-Treg水平对脓毒症患者预后的意义，将63例患者根据28 d预后情况分为生存组（32例，50.8%）和死亡组（31例，49.2%）。
将两组患者的一般资料进行单因素分析（表 4），两组患者基线资料、基础疾病及感染部位差异无统计学意义，具有可比性。SCMM-Treg与SCMM-CD4+具有共线性问题（图 6），SCMM-CD4+不进行二元Logistic分析。
| 变量 | 生存组（n=32） | 死亡组(n=31) | χ2/t/Z值 | P值 |
| 性别a | 0.386 | 0.535 | ||
| 男性 | 22 (61.8) | 19 (61.3) | ||
| 女性 | 10 (31.2) | 12 (38.7) | ||
| 年龄(岁）b | 62.81±17.84 | 74.90±16.28 | 2.807 | 0.007 |
| 基础疾病 | ||||
| 高血压a | 0.141 | 0.707 | ||
| 有 | 15 (46.9) | 16 (51.6) | ||
| 无 | 17 (53.1) | 15 (48.4) | ||
| 糖尿病a | 0.668 | 0.414 | ||
| 有 | 9 (28.1) | 6 (19.4) | ||
| 无 | 23 (71.8) | 25 (80.6) | ||
| 冠状动脉性心脏病a | 0.207 | 0.649 | ||
| 有 | 11 (34.4) | 9 (29.0) | ||
| 无 | 21 (65.6) | 22 (71.0) | ||
| 感染来源a | ||||
| 肺部感染 | 13 (40.6) | 18 (58.1) | 1.916 | 0.166 |
| 腹部感染 | 7 (21.9) | 4 (12.9) | 0.879 | 0.348 |
| 泌尿道感染 | 2 (6.3) | 2 (6.4) | 0.001 | 0.974 |
| 其他感染源 | 10 (31.2) | 7 (22.6) | 0.601 | 0.438 |
| N/L(%) c | 15.18 (9.97, 26.76) | 14.06 (7.51, 26.08) | -0.509 | 0.611 |
| WBC(×109/L）c | 12.79 (9.14, 14.70) | 8.71 (6.01, 12.66) | -2.193 | 0.028 |
| PLT(×109/L）c | 123.50 (70.50, 170.25) | 106.00 (52.70, 151.00) | -1.21 | 0.226 |
| PCT (ng/mL) c | 2.00 (0.59, 23.25) | 5.4 (0.44, 22.00) | -0.612 | 0.541 |
| CRP (mg/L) c | 67.25 (18.73, 158.98) | 119.30 (51.70, 186.90) | -1.691 | 0.091 |
| Alb(g/L) c | 32.05 (28.20, 36.10) | 31.10 (27.60, 33.60) | -1.052 | 0.293 |
| TB (μmol/L) c | 15.65 (9.53, 19.85) | 18.80 (12.30, 22.10) | -0.832 | 0.406 |
| Scr(μmol/L) c | 91.80 (70.60, 198.20) | 103.10 (67.60, 188.00) | -0.11 | 0.912 |
| BNP (ng/mL) c | 310.20 (81.55, 805.73) | 535.60 (111.40, 1435.20) | -1.279 | 0.201 |
| pH c | 7.43 (7.36, 7.46) | 7.42 (7.36, 7.44) | -0.839 | 0.402 |
| Lac(mmol/L) c | 2.10 (1.43, 2.68) | 2.40 (1.80, 5.10) | -1.852 | 0.064 |
| PT(s) c | 14.15 (12.65, 15.98) | 14.50 (13.50, 17.50) | -1.554 | 0.12 |
| APTT (s) c | 30.20 (28.00, 35.73) | 34.50 (27.90, 42.50) | -1.148 | 0.251 |
| APACHE Ⅱ评分b | 23.28±10.56 | 24.10±10.51 | -0.307 | 0.76 |
| NRS评分c | 4.00 (3.00, 5.00) | 5.00 (3.00, 6.00) | -1.74 | 0.082 |
| SCMM-CD4+ c | 1.46 (0.85, 2.81) | 3.43 (1.24, 6.99) | -2.736 | 0.006 |
| SCMM-Treg c | 30.25 (23.57, 44.70) | 70.00 (39.43, 120.27) | -4.303 | < 0.001 |
| 注：a为(例, %)，b为x±s，c为M(Q1, Q3) | ||||
|
| 图 6 生存组与死亡组指标相关性分析 Fig 6 Correlation analysis of clinical parameters in survivor group and the non-survivor group |
|
|
二元多Logistic回归分析和森林图（表 5、图 7）结果显示，SCMM-Treg（OR=1.026, 95%CI: 1.007~1.046）和年龄（OR=1.039, 95%CI: 1.002~1.077）是脓毒症患者死亡预后的独立危险因素（均P < 0.05）。评估各危险因素对脓毒症的诊断价值（表 6、图 8）：ROC曲线分析结果显示，年龄及SCMM-Treg对脓毒症的诊断均有一定的价值（均P < 0.05）。①当年龄的截断值为78.00时，AUC为0.688（敏感度45.2%，特异度84.4%）；②当SCMM-Treg的截断值为54.74时，AUC=0.816（敏感度71.0%，特异度90.6%）；③二元Logistic回归综合概率，观察预测模型是否可以进一步优化。结果表明，当截断值为0.461时，AUC为0.843（敏感度为80.6%，特异度84.4%）。
| 变量 | β | S.E. | Wald | P值 | OR | 95%CI |
| 年龄(岁) | 0.038 | 0.018 | 4.274 | 0.039 | 1.039 | 1.002~1.077 |
| WBC(×109/L) | 0.025 | 0.038 | 0.441 | 0.507 | 1.025 | 0.952~1.104 |
| SCMM-Treg | 0.026 | 0.010 | 7.263 | 0.007 | 1.026 | 1.007~1.046 |
| 注：AUC为曲线下面积，S.E.为常用项系数的标准误，95%CI为95%置信区间 | ||||||
|
| 图 7 脓毒症患者预后二元logistic回归分析森林图 Fig 7 Forest plot of binary logistic regression analysis for prognosis in septic patients |
|
|
| 变量 | AUC | 95%CI | P值 | 截断值 | 敏感度（%） | 特异度（%） | 约登指数 |
| 年龄 | 0.688 | 0.557~0.818 | 0.001 | 78.00 | 45.2 | 84.4 | 0.296 |
| SCMM-Treg | 0.816 | 0.704~0.928 | < 0.001 | 54.74 | 71.0 | 90.6 | 0.616 |
| SCMM-Treg联合年龄 | 0.843 | 0.737~0.948 | < 0.001 | 0.461 | 80.6 | 84.4 | 0.650 |
| 注：AUC为曲线下面积，S.E.为常用项系数的标准误，95%CI为95%置信区间 | |||||||
|
| 图 8 脓毒症患者预后的独立危险因素ROC曲线分析 Fig 8 ROC curve analysis of independent risk factors for prognosis in septic patients |
|
|
综上分析，SCMM-Treg对脓毒症患者的死亡预后具有一定的预测价值，并且联合年龄的预测效能更好。进一步对患者的存活天数进行统计，采用Kaplan-Meier生存分析法，观察期为28 d。根据计算出的SCMM-Treg的最佳截断值54.74，将患者分为高水平组和低水平组。K-M生存分析结果表明：高水平组患者的死亡风险高于低水平组（Log rank检验，P < 0.001）（图 9），高水平组患者的生存中位数为6 d。
|
| 注：具有高水平SCMM-Treg的患者（高水平组，红线所示）与具有低水平SCMM-Treg的患者（低水平组，绿线所示）相比，其总体生存率显著更低（通过对数秩检验得出，P < 0.001）；其中，Y轴代表生存概率，X轴代表天数 图 9 脓毒症患者SCMM-Treg Kaplan-Meier分析曲线图 Fig 9 Kaplan-Meier analysis curves of SCMM-Treg in patients with sepsis |
|
|
Treg细胞亚群在免疫系统中的T淋巴细胞群体中只占少数，但这些细胞具有强大的调节细胞活化的能力，是导致脓毒症适应性免疫功能障碍的关键因素。Venet等[11]揭示了脓毒性休克患者血液中循环Treg细胞百分比的加，与淋巴细胞增殖的减少显著相关。随后研究证实，Treg细胞通过细胞间接触依赖机制和分泌抑制性细胞因子（如IL-10和TGF-β）来抑制效应T细胞的活化和增殖从而导致免疫抑制并影响患者的预后[12]。近年来，Langston团队[13]的实验研究发现，小鼠调节性T细胞功能的增强与调节性T细胞数量的增加在时间进程上存在差异。此外，一项体外模拟实验表明，Tregs数量的减少与其功能的下降并不完全一致，且数量变化更快。然而，功能的恶化相对滞后[14]。这两者都表明，Treg数量和功能的变化并非绝对一致。而这些证据提示，单纯检测Treg绝对计数可能无法全面反映其在脓毒症中的真实免疫调节贡献，单个细胞的功能水平差异可能更能反映其与脓毒症的临床相关性。因此，探索能够评估单个Treg细胞功能状态的技术工具，并明确其与脓毒症发生发展的关系，成为本研究的主要切入点。线粒体的质量与细胞功能密切相关。在脓毒症的刺激下，线粒体质量控制系统的失衡会影响细胞的能量代谢[15]，进而影响Treg细胞的免疫功能。一项早期的Meta分析表明，线粒体代谢指标能够预测脓毒症患者的病死率[16]。线粒体的数量（生成）、形态和大小（通过融合和分裂的动态过程）以及降解（即线粒体自噬）都受到精细调控[17]。脓毒症状态下，Treg细胞的活性氧水平升高，及大量细胞色素C释放，加速了细胞凋亡的过程[18]。自噬通过回收细胞成分来循环利用物质，以补偿营养物质的消耗或应对细胞压力，从而产生线粒体氧化磷酸化所需的氨基酸和脂肪酸[19]。脓毒症会刺激Treg细胞的膜电位降低，阻碍老化线粒体的清除，并增加其质量[20]。本研究中通过膜电位量化单个Treg细胞的线粒体质量，进而研究其与脓毒症的诊断及预后的关系。
本研究发现，脓毒症患者SCMM-Treg水平高于非脓毒症组。ROC分析显示，SCMM-Treg鉴别脓毒症患者与非脓毒症的曲线下面积为0.894，优于APACHE Ⅱ评分（0.739），表明其具有良好的辅助诊断效能。近期发表的研究同样指出，中性粒细胞/淋巴细胞比值联合随机血糖对脓毒症诊断具有较好的预测价值[21]、载脂蛋白A-I联合血清淀粉样蛋白A[22]也被证实可用于判断脓毒症及脓毒性休克患者的病情和预后。与这些传统生物标志物相比，SCMM-Treg直接反映了Treg细胞的能量代谢状态，更贴近脓毒症免疫麻痹的核心病理环节。在预后方面，SCMM-Treg预测28 d病死率的AUC为0.816，优于年龄（0.688）。以最佳截断值分组，高SCMM-Treg组28 d死亡可能性显著高于低SCMM-Treg组（P < 0.001）。这一发现与Stier等[23]的最新研究成果相呼应——该研究证实危重症患者（包括脓毒症）Treg细胞优先获得糖酵解能力，且这种代谢重塑与临床病情恶化密切相关。此外，Zhao等[24]通过生物信息学分析筛选出与脓毒症相关急性肾损伤预后密切相关的免疫相关基因，进一步印证了免疫代谢标志物在脓毒症预后评估中的潜力。上述结果表明，SCMM-Treg兼具辅助诊断与预后预测的双重价值，可能成为脓毒症诊断与预后预测的新型标志物。
然而，本研究也存在一定的局限性。第一，本研究为单中心观察性研究，样本量有限，未来需要开展多中心研究验证本结果。第二，本研究仅检测了入组时的SCMM-Treg水平，未进行动态检测其变化规律。第三，本研究虽证实了Treg细胞的线粒体质量可用作预测脓毒症预后的指标，但具体机制尚无法明确，需要更多的基础实验或动物实验来阐明。
综上所述，脓毒症与非脓毒症患者之间Treg细胞的线粒体功能水平差异存在统计学意义，这一差异对脓毒症患者的诊断及预后具有预测价值，是一种具有广泛应用前景的指标。基于这项研究，通过关注脓毒症患者免疫抑制的早期识别、尽快改善Treg细胞的线粒体功能以及减少或逆转脓毒症患者的免疫抑制麻痹，可能是改善脓毒症患者预后的有效手段。
利益冲突 所有作者声明无利益冲突
作者贡献声明 李茜：研究设计、论文修改；刘雪、李遥遥、庞凌霄：数据收集及整理、统计学分析、论文撰写；欧英炜、安荣成、许一帆：数据收集及整理
| [1] | Singer M, Deutschman CS, Seymour CW, et al. The third international consensus definitions for sepsis and septic shock (sepsis-3)[J]. JAMA, 2016, 315(8): 801-810. DOI:10.1001/jama.2016.0287 |
| [2] | Fajgenbaum DC, June CH. Cytokine storm[J]. N Engl J Med, 2020, 383(23): 2255-2273. DOI:10.1056/nejmra2026131 |
| [3] | Frydrych LM, Fattahi F, He K, et al. Diabetes and sepsis: risk, recurrence, and ruination[J]. Front Endocrinol, 2017, 8: 271. DOI:10.3389/fendo.2017.00271 |
| [4] | Liu D, Huang SY, Sun JH, et al. Sepsis-induced immunosuppression: mechanisms, diagnosis and current treatment options[J]. Mil Med Res, 2022, 9(1): 56. DOI:10.1186/s40779-022-00422-y |
| [5] | Pang LX, Cai WW, Chen LE, et al. The diagnostic value of mitochondrial mass of peripheral T lymphocytes in early sepsis[J]. Front Public Health, 2022, 10: 928306. DOI:10.3389/fpubh.2022.928306 |
| [6] | Salminen A, Ojala J, Kaarniranta K, et al. Mitochondrial dysfunction and oxidative stress activate inflammasomes: impact on the aging process and age-related diseases[J]. Cell Mol Life Sci, 2012, 69(18): 2999-3013. DOI:10.1007/s00018-012-0962-0 |
| [7] | Victorelli S, Salmonowicz H, Chapman J, et al. Author Correction: Apoptotic stress causes mtDNA release during senescence and drives the SASP[J]. Nature, 2024, 625(7995): E15. DOI:10.1038/s41586-023-07002-7 |
| [8] | Huang YR, Chen ZN, Xu Y, et al. Mitochondrial mass and low mitochondrial membrane potential percentage of CD8+ T cell subsets are implicated with therapeutic effect in depressive disorder[J]. Front Psychiatry, 2025, 16: 1550958. DOI:10.3389/fpsyt.2025.1550958 |
| [9] | Zhao GF, Li HL, Miao YT, et al. Mitochondrial mass and mitochondrial membrane potential of peripheral lymphocytes: promising biomarkers of systemic lupus erythematosus[J]. Front Mol Biosci, 2025, 12: 1585847. DOI:10.3389/fmolb.2025.1585847 |
| [10] | Chen ZN, Wang BQ, Huang YR, et al. Pathogenesis or a response to lithium? A novel perspective for mitochondrial mass fluctuation of naïve T cells in patients with bipolar disorder[J]. J Affect Disord, 2024, 355: 86-94. DOI:10.1016/j.jad.2024.03.095 |
| [11] | Venet F, Chung CS, Kherouf H, et al. Increased circulating regulatory T cells (CD4+CD25+CD127-) contribute to lymphocyte anergy in septic shock patients[J]. Intensive Care Med, 2009, 35(4): 678-686. DOI:10.1007/s00134-008-1337-8 |
| [12] | Cao C, Ma T, Chai YF, et al. The role of regulatory T cells in immune dysfunction during sepsis[J]. World J Emerg Med, 2015, 6(1): 5. DOI:10.5847/wjem.j.1920-8642.2015.01.001 |
| [13] | Langston PK, Sun YZ, Ryback BA, et al. Regulatory T cells shield muscle mitochondria from interferon-γ–mediated damage to promote the beneficial effects of exercise[J]. Sci Immunol, 2023, 8(89): eadi5377. DOI:10.1126/sciimmunol.adi5377 |
| [14] | Guo HF, Xun LR, Zhang RS, et al. Stability and inhibitory function of Treg cells under inflammatory conditions in vitro[J]. Exp Ther Med, 2019: 2443-2450. DOI:10.3892/etm.2019.7873 |
| [15] | Han HH, Zhang YY, Huang EH, et al. The role of TBC1D15 in sepsis-induced acute lung injury: Regulation of mitochondrial homeostasis and mitophagy[J]. Int J Biol Macromol, 2025, 293: 139289. DOI:10.1016/j.ijbiomac.2024.139289 |
| [16] | Wang J, Sun YZ, Teng SN, et al. Prediction of sepsis mortality using metabolite biomarkers in the blood: a meta-analysis of death-related pathways and prospective validation[J]. BMC Med, 2020, 18(1): 83. DOI:10.1186/s12916-020-01546-5 |
| [17] | Hu DX, Sheeja Prabhakaran H, Zhang YY, et al. Mitochondrial dysfunction in sepsis: mechanisms and therapeutic perspectives[J]. Crit Care, 2024, 28(1): 292. DOI:10.1186/s13054-024-05069-w |
| [18] | Eyenga P, Rey B, Eyenga L, et al. Regulation of oxidative phosphorylation of liver mitochondria in sepsis[J]. Cells, 2022, 11(10): 1598. DOI:10.3390/cells11101598 |
| [19] | Pan RQ, Ryan J, Pan D, et al. Augmenting NK cell-based immunotherapy by targeting mitochondrial apoptosis[J]. Cell, 2022, 185(9): 1521-1538. DOI:10.1016/j.cell.2022.03.030 |
| [20] | Lira Chavez FM, Gartzke LP, van Beuningen FE, et al. Restoring the infected powerhouse: Mitochondrial quality control in sepsis[J]. Redox Biol, 2023, 68: 102968. DOI:10.1016/j.redox.2023.102968 |
| [21] | 余广炜, 林增杰, 涂福泉, 等. 中性粒细胞/淋巴细胞比值联合随机血糖对脓毒症预测价值[J]. 中华急诊医学杂志, 2024, 33(5): 636-642. DOI:10.3760/cma.j.issn.1671-0282.2024.05.008 |
| [22] | 谭睿, 杨鹏磊, 王晶, 等. 载脂蛋白A-I联合血清淀粉样蛋白A判断脓毒症及脓毒症休克患者的病情及预后价值[J]. 中华急诊医学杂志, 2024, 33(5): 643-650. DOI:10.3760/cma.j.issn.1671-0282.2024.05.009 |
| [23] | Stier MT, Sewell AE, Mwizerwa EL, et al. Metabolic adaptations rewire CD4+ T cells in a subset-specific manner in human critical illness with and without sepsis[J]. Nat Immunol, 2026, 27(2): 236-249. DOI:10.1038/s41590-025-02390-6 |
| [24] | Zhao Q, Ma JF, Xiao JG, et al. Data driven analysis reveals prognostic genes and immunological targets in human sepsis-associated acute kidney injury[J]. World J Emerg Med, 2024, 15(2): 91. DOI:10.5847/wjem.j.1920-8642.2024.026 |