Dolaşımdaki bağışıklık hücrelerinin yorumlanabilir iltihap haritası

Kanda görülen iltihabın sizin için önemi

İltihap artrit ve astımdan COVID-19 ve kanser gibi birçok hastalığın merkezinde yer alır. Yine de doktorlar, vücudun iltihap sinyallerini neyin yanlış olduğunu ve hangi tedavinin en iyi sonucu vereceğini açıkça anlatacak şekilde okumakta zorlanıyor. Bu çalışma, kandaki dolaşan bağışıklık hücrelerinin devasa bir “haritasını” çıkarıyor ve bu hücrelerin, kolayca örneklenebilen canlı biyobelirteçler olarak geniş bir iltihaplı hastalık yelpazesini sınıflandırmada nasıl kullanılabileceğini gösteriyor.

Bağışıklık hücrelerinin dev bir haritasını oluşturmak

Bu manzarayı çizmek için araştırmacılar, 1.047 kişiden alınan 6,5 milyondan fazla bağışıklık hücresini analiz ettiler. Gönüllüler, lupus ve romatoid artrit gibi otoimmün hastalıklar, astım ve KOAH gibi kronik akciğer hastalıkları, COVID-19 ve HIV gibi enfeksiyonlar ve birkaç kanser ile sağlıklı bağışıklıklı vericileri kapsayan 19 durumu temsil ediyordu. Tek hücre RNA dizilemesi kullanarak her bir hücrede hangi genlerin aktif olduğunu ölçtular, ardından çalışmalar arasındaki teknik farkları düzeltmek ve hücreleri 64 ayrı bağışıklık hücresi durumunda gruplayabilmek için gelişmiş istatistiksel yöntemler uyguladılar. Bu “İltihap Atlası” T hücreleri, B hücreleri ve monositler gibi bilinen oyuncuları ve hastalığa göre değişen daha özelleşmiş alt tipleri yakalıyor.

Vücudun iltihap imzalarını okumak

Takım daha sonra bağışıklık hücrelerinin nasıl aktive olduğu, vücutta nasıl hareket ettiği, antijenleri nasıl sunduğu ve interferonlar ile tümör nekroz faktörü gibi sinyal moleküllerine nasıl yanıt verdiğini kontrol eden genlere odaklandı. Bu genleri 21 biyolojik “imza”ya gruplayıp her ana hücre tipi için rafine ettiler. Hastaları sağlıklı donörlerle karşılaştırarak hangi imzaların farklı hastalıklarda yükselip düştüğünü görebildiler. Örneğin, birçok immün aracılı iltihaplı hastalık adezyon molekülleri ve antijen sunum mekanizmalarının daha güçlü aktivitesini gösterirken, interferon yanıtları çoğu hücre tipinde baskılanmış fakat belirli CD8 T hücrelerinde artmıştı. Grip ve COVID-19 gibi viral enfeksiyonlar interferon kaynaklı programları güçlendirirken, HIV ve hepatit B gibi kronik enfeksiyonlar bunları zayıflatıyordu.

Anahtar genlere ve kontrol anahtarlarına yakından bakmak

Geniş imzalar hâlâ önemli ayrıntıları gizlediğinden araştırmacılar bireysel genlere ve bunları düzenleyenlere indi. Naif olmayan CD8 T hücrelerinde FGFBP2 ve GZMB adlı iki genin belirli efektör bellek alt tiplerinde, özellikle ülseratif kolitte, özellikle aktif olduğunu buldular. Bu genler epitel yüzeylerde hasarla ilişkilendirilmiş olup, kanda güçlü sinyal göstermeleri bu agresif hücrelerin dokuya girmeden önce zaten hazırlandığını düşündürüyor. Gen düzenleyici ağların ayrı bir analizi ise interferon kaynaklı programların merkezi kontrolörleri olarak iki transkripsiyon faktörünü, STAT1 ve SP1’i öne çıkardı. Bu faktörlerin aktivite desenleri hastalıklar ve hücre tipleri arasında farklılık gösteriyordu —örneğin lupusta monositler ile CD8 T hücrelerinde zıt davranışlar ve alevlenme ile yatışma fazları arasındaki kaymalar— bu da aynı yolakların bir bağlamda koruyucu diğerinde zararlı olabileceğine işaret ediyor.

Kandıran makineleri kandan hastalığı tespit edecek şekilde eğitmek

Bu atlası pratik bir araca dönüştürmek için ekip yorumlanabilir makine öğrenimi uyguladı. Her ana hücre tipi için ayrı ayrı gradyan güçlendirmeli karar ağacı modelleri eğitip algoritmalardan tek tek hücreleri gen ifadelerine bakarak doğru hastalıkla etiketlemelerini istediler. Teknik farklılıklar düzeltildikten sonra, bu modeller tutulmuş örnekler üzerinde yüksek doğruluk sağladı. SHAP gibi hangi genlerin her kararı yönlendirdiğini açıklayan bir yöntem kullanarak aday biyobelirteçleri tanımlayabildiler. Örneğin monositlerdeki CYBA düzeyleri psoriasis gibi cilt hastalıklarını Crohn hastalığı ve ülseratif kolit gibi bağırsak iltihabından ayırmaya yardımcı oldu. Belirli T hücreleri ve içsel lenfoid hücrelerdeki IFITM1 ise astımı KOAH’tan ayırıyor ve kronik antiviral savunmanın farklı desenlerini işaret ediyordu.

Kana dayalı bir tanı pusulasına doğru

Son olarak yazarlar, yalnızca tek hücreler değil tüm hastaların dolaşımdaki bağışıklık profillerinden sınıflandırılıp sınıflandırılamayacağını sordular. Her hücrenin verisini sıkıştırılmış bir “gömme” alanına projekte edip bu gömmeleri hasta bazında hücre tipine göre ortalayıp sınıflandırıcılar eğittiler. Yeni hastalar eğitim verilerine benzediğinde performans mükemmel oldu. Ancak örnekler tamamen bağımsız çalışmalarından ve farklı laboratuvar yöntemleriyle geldiğinde doğruluk keskin biçimde düştü; bu da bu tür araçların teknik değişkenliğe ne kadar duyarlı olduğunu gösterdi. Tek bir merkezde tek bir dizileme kimyasıyla oluşturulmuş daha kontrollü bir “merkezi” veri seti performansın büyük kısmını geri getirdi; bu da standartlaştırılmış protokoller veya çok büyük, çeşitli eğitim setlerine olan ihtiyacı işaret ediyor.

Gelecek tanı ve tedavi için anlamı

Bir okur için temel mesaj, dolaşımdaki bağışıklık hücrelerinizin vücudunuzun nasıl iltihaplandığına dair zengin bir parmak izi taşıdığıdır. Bu parmak izlerini hücre hücre okuyarak, bu çalışma birçok hastalığı ayırt etmenin, belirli semptomları tetikliyor olabilecek genleri keşfetmenin ve iltihaplı hastalıkları sınıflandıran evrensel kan testleri inşa etmeye başlamanın mümkün olduğunu gösteriyor. Çalışma hâlâ hazır klinik bir test değil —çalışmalar arasındaki teknik farklılıklar güvenilirliği sınırlıyor— ancak basit bir kan alımıyla doktorların doğru tanıyı ve tedaviyi daha erken belirlemesine yardımcı olabilecek gelecekteki “sıvı biyopsi” araçları için zemin hazırlıyor.

Atıf: Jiménez-Gracia, L., Maspero, D., Aguilar-Fernández, S. et al. Interpretable inflammation landscape of circulating immune cells. Nat Med 32, 633–644 (2026). https://doi.org/10.1038/s41591-025-04126-3

Anahtar kelimeler: iltihap, bağışıklık hücreleri, tek hücre RNA dizilemesi, biyobelirteçler, makine öğrenimi