Transcriptomic features for prediction of endovascular thrombectomy clinical benefit in stroke

Technische Zusammenfassung: Transkriptomische Merkmale zur Vorhersage des klinischen Nutzens der endovaskulären Thrombektomie bei Schlaganfall

Problemstellung
Die mechanische Thrombektomie (MT) ist die Standard-Reperfusions-Therapie bei akutem ischämischem Schlaganfall (AIS) infolge eines Verschlusses großer Gefäße (LVO). Es besteht jedoch eine ausgeprägte interindividuelle Heterogenität in den therapeutischen Ergebnissen, wobei ein signifikanter Teil der Patienten keine funktionelle Erholung erzielt oder Komplikationen wie eine hämorrhagische Transformation erleidet. Aktuelle präoperative prädiktive Marker sind unzureichend; bestehende Indikatoren (z. B. Rekanalisationsgrad, postoperative Blutung) sind retrospektiv oder postprozedural, was eine Zeitverzögerung schafft, die eine präzise präoperative Selektion verhindert. Die Studie adressiert das Bedürfnis nach neuartigen präoperativen Risikomarkern, um individualisierte Behandlungsstrategien zu steuern und vorherzusagen, welche LVO-AIS-Patienten von einer MT profitieren werden.

Methodik
Die Studie verwendete ein prospektives klinisches Kohortendesign mit 22 Patienten mit anteriorer Zirkulation AIS, die zwischen Mai 2025 und Mai 2026 an der Ersten Affiliierten Klinik der Hebei North University aufgenommen wurden.

• Patientenstratifizierung: Patienten wurden in Gruppen mit „günstiger“ und „ungünstiger“ Prognose unterteilt, basierend auf zwei Endpunkten: früher neurologischer Verbesserung (ENI ≥ 30 % Reduktion des NIHSS nach 24 Stunden) und langfristigem funktionellem Prognoseverlauf (90-Tage-modifizierte Rankin-Skala [mRS] ≤ 2).
• Probenentnahme: Vor dem Verfahren der endovaskulären Thrombektomie (EVT) wurde periphere venöse Blutproben in PAXgene-Röhrchen entnommen.
• Transkriptomanalyse: Die RNA-Sequenzierung (RNA-seq) wurde mittels der Illumina NovaSeq-Plattform durchgeführt. Die Datenverarbeitung umfasste die Qualitätskontrolle (fastp), das Alignment zum menschlichen Referenzgenom (GRCh38.p14) via HISAT2 und die Quantifizierung mittels RSEM.
• Bioinformatik: Differenziell exprimierte Gene (DEGs) wurden mittels DESeq2 identifiziert (Kriterien: |log2FC| ≥ 1, FDR < 0,05). Die funktionelle Anreicherung erfolgte über die Gene Ontology (GO) und die KEGG-Pathway-Analyse. Protein-Protein-Interaktionsnetzwerke (PPI) wurden konstruiert, um Hub-Gene zu identifizieren.
• Statistisches Modellierung: Univariante und multivariate Cox-Regressionsanalysen wurden verwendet, um mit dem prozeduralen Nutzen assoziierte Gene zu identifizieren. Receiver-Operating-Characteristic-Kurven (ROC) und die Decision Curve Analysis (DCA) wurden zur Bewertung der prädiktiven Leistung und des klinischen Nettonutzens der identifizierten Gensignaturen eingesetzt.

Wesentliche Beiträge und Ergebnisse

• Transkriptom-Profiling: Die Analyse identifizierte 567 signifikante DEGs zwischen Respondern und Nicht-Respondern. Speziell waren 432 Gene in der günstigen Gruppe hochreguliert (angereichert in immun-inflammatorischen Signalwegen), während 135 Gene herunterreguliert waren (angereichert in neuronalen Apoptose- und Endothelverletzungswegen).
• Pathway-Anreicherung: Die Gene Set Enrichment Analysis zeigte, dass die favorable Gruppe eine signifikante Anreicherung in inflammatorischen biologischen Prozessen aufwies, wobei die „Cytokine-cytokine receptor interaction“ als oberster KEGG-Pathway identifiziert wurde. Dies deutet darauf hin, dass eine präoperative Inflammation in diesem Kontext die neurologische Erholung begünstigen kann.
• Identifizierung von Hub-Genen: Durch PPI-Netzwerkanalyse und Regressionsmodellierung wurden vier Neutrophilen-bezogene Hub-Gene als zentrale Regulatoren identifiziert: AZU1, ELANE, MPO und MMP8.
  • Korrelation: Diese vier Gene zeigten eine starke Korrelation mit der MT-Wirksamkeit. Bemerkenswerterweise zeigte zwar DEFA1B deutliche Expressionsunterschiede, diente jedoch in der multivariaten Analyse nicht als unabhängiger prognostischer Regulator.
  • Prädiktive Leistung: Das auf ELANE basierende logistische Regressionsmodell erreichte eine Fläche unter der Kurve (AUC) von 0,893. Das Vier-Gen-Panel zeigte eine gute diskriminative Fähigkeit sowohl für kurzfristige (ENI) als auch für langfristige (90-Tage-mRS) Ergebnisse, mit AUCs im Bereich von 0,785 (MMP8) bis 0,832 (MPO).
  • Klinischer Nutzen: Die Decision Curve Analysis (DCA) ergab, dass das Vier-Gen-Modell einen maximalen klinischen Nettonutzen von -0,64 lieferte und damit die Referenzstrategien über relevante Schwellenwahrscheinlichkeiten hinweg übertraf.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass sich die präoperativen peripheren Blut-Transkriptomprofile zwischen MT-Respondern und Nicht-Respondern signifikant unterscheiden, insbesondere hinsichtlich der Expression inflammatorischer Gene. Die Studie postuliert, dass Individuen mit einer erhöhten Expression spezifischer inflammatorischer Gene (AZU1, ELANE, MPO, MMP8) mit höherer Wahrscheinlichkeit einen klinischen Nutzen aus der Operation ziehen.

Die Autoren behaupten, dass diese vier Hub-Gene als vorläufige, nicht-invasive Kandidaten für prädiktive Biomarker dienen. Ihre Bedeutung liegt in:

1. Der Bereitstellung einer molekularen Basis für die beobachteten variablen postinterventionellen Behandlungsreaktionen bei AIS-Patienten.
2. Der Bereitstellung eines potenziellen Werkzeugs zur präoperativen Risikostratifizierung und zur Formulierung individualisierter MT-Strategien.
3. Dem Hinweis darauf, dass die akute systemische Entzündungsreaktion, die durch den Verschluss großer Gefäße ausgelöst wird, eine regulatorische Rolle sowohl in kurzfristigen als auch in langfristigen neuronalen Reparaturprozessen spielt.

Einschränkungen und Bescheidenheit der Ansprüche
Die Autoren räumen ausdrücklich den explorativen Charakter der Studie und mehrere Einschränkungen ein:

• Stichprobengröße: Die Kohorte war klein (n=22) und auf ein Zentrum beschränkt, was die Generalisierbarkeit und die Möglichkeit zur Anpassung an multiple Störvariablen einschränkt.
• Kausalität: Die Studie identifiziert korrelative Assoziationen, kann jedoch keine kausalen Beziehungen zwischen der Genexpressionshöhe und dem chirurgischen Nutzen herstellen.
• Zelluläre Auflösung: Es wurde Bulk-RNA-seq verwendet, was die präzise Identifizierung spezifischer Zellsubsets, die die Expression vorantreiben, verhindert; die Autoren merken an, dass Single-Cell-Sequenzierung erforderlich ist, um zellspezifische Muster zu klären.
• Validierung: Die Ergebnisse erfordern eine Validierung in größeren, multizentrischen Kohorten mit unabhängiger externer Validierung, bevor eine klinische Translation erfolgen kann.

Folglich bezeichnet die Arbeit diese Gene als „vorläufige“ und „Kandidaten“-Marker und betont die Notwendigkeit weiterer zellulärer, tiergestützter und prospektiver klinischer Forschung, um die Regulationsmechanismen und den klinischen Nutzen zu validieren.