【发表期刊】Allergy

【发布时间】2025年11月

【影响因子】12.6

【主要技术】PhIP-seq

研究人员使用PhIP-seq技术以及过敏原库，对370例IgG4-RD患者及354例健康对照的血清样本进行了高通量IgE与IgG4抗体检测。通过系统比较两组人群的抗体反应强度及抗原覆盖范围，研究发现IgG4-RD患者在多种过敏原上的IgE和IgG4反应显著增强，且呈现出明确的抗原富集模式(FIGURE 1)。该结果表明，IgG4-RD并非仅表现为非特异性免疫球蛋白升高，而是存在具有抗原指向性的异常过敏免疫应答，为疾病免疫特征提供了抗原层面的直接证据。

FIGURE 1 | Patterns of allergen-specific IgE and IgG4 reactivity.

在获得全景过敏原抗体数据后，研究人员进一步引入XGBoost机器学习算法，对IgE与IgG4抗体特征进行建模分析。通过特征筛选与模型训练，研究者从大量过敏原肽段中识别出一组能够有效区分IgG4-RD患者与健康对照的关键抗原特征（10条肽段），基于这些特征构建的模型在多项评估指标中表现出较高的判别能力，AUC达到0.91–0.96，表明过敏原特异性抗体谱可作为IgG4-RD的潜在分子特征(FIGURE 3)。该结果表明，高通量抗体谱结合机器学习方法，不仅可用于疾病识别，也为IgG4-RD的分子分型及生物标志物筛选提供了可行的技术路径。

FIGURE 3 | Antibody binding to candidate peptides in patients and matched controls.

研究人员随后将过敏原抗体谱数据与患者的临床器官受累信息进行整合分析，系统评估不同抗体反应与器官受累模式之间的关系。结果显示，特定过敏原抗体反应在不同器官受累亚型患者中呈现显著差异，部分抗原与泪腺、唾液腺、肺、肾脏及胰腺受累具有明确相关性(FIGURE 4)。该发现提示，IgG4-RD中的异常过敏免疫反应可能具有器官选择性，为理解疾病多器官累及但表型异质性的特征提供了新的免疫学线索。

FIGURE 4 | Correlations between identified allergens and patient characteristics.

在机器学习筛选出的候选过敏原中，研究人员选择花生过敏原Arah1作为代表性抗原，采用ELISA方法在独立样本中对其特异性IgG4水平进行验证(FIGURE 5)。实验结果显示，IgG4-RD患者中Arah1特异性IgG4显著高于健康对照，与PhIP-seq的检测结果一致，进一步支持了“过敏原驱动的免疫失调”在IgG4相关性疾病（IgG4-RD）中的假说。值得注意的是，这一增强的免疫反应与胰腺受累密切相关，提示过敏原暴露与器官特异性炎症之间可能存在机制性联系。尽管既往研究已报道针对花生过敏原的异常IgG4反应，但本研究通过更为系统、全面的分析提供了更有力的实证证据，凸显了开展精细化过敏原特异性抗体谱解析的重要性。

FIGURE 5 | Validation of Arah1-specific IgG4 levels assessed by ELISA.

为进一步评估候选过敏原抗体反应与疾病过程的关系，研究人员分析了部分患者的纵向随访血清样本。通过比较102例患者治疗前后抗体水平变化，研究发现多种候选过敏原特异性IgG4随疾病缓解而下降，并伴随IgE向IgG4的免疫反应偏移趋势(FIGURE 6)。该结果提示，过敏原特异性抗体反应并非静态存在，而是与疾病活动度及治疗反应密切相关，进一步支持其在IgG4-RD发病机制和疾病监测中的潜在作用。

FIGURE 6 | Temporal verification of candidate allergens and their peptides.