亮点
1. IBDome 项目构建了一个大规模、整合性的多组学和多模态数据集，涵盖 1002 例炎症性肠病（Inflammatory Bowel Disease，IBD）患者及对照者。
2. 该研究揭示了克罗恩病和溃疡性结肠炎在不同肠段中具有各自特异性的转录组炎症特征。
3. 研究建立了血清蛋白质组学炎症蛋白严重程度特征，与肠道分子炎症水平相关。
4. 基于先进深度学习模型，可利用苏木精-伊红（hematoxylin and eosin，H&E）染色组织图像准确预测组织学疾病活动度，并区分克罗恩病与溃疡性结肠炎。
研究背景
炎症性肠病（Inflammatory Bowel Disease，IBD）主要包括克罗恩病（Crohn’s disease，CD）和溃疡性结肠炎（ulcerative colitis，UC），是一组累及胃肠道的慢性复发性炎症性疾病，其临床表现异质性较大，对治疗的反应亦不尽相同。尽管近年来取得了一定进展，但由于疾病本身的复杂性以及遗传因素、免疫反应与环境触发因素之间的相互作用，精准诊断和靶向治疗仍面临挑战。多组学技术将分子、组织病理学和临床参数整合，有望阐明疾病机制、提高诊断准确性并实现个体化治疗方案，但能够在大规模层面联合这些数据层的综合性数据集仍然稀缺。
研究设计
TRR241 IBDome 联盟开展了一项多队列整合性研究，共纳入 1002 例具有临床注释的受试者，包括克罗恩病、溃疡性结肠炎患者以及非 IBD 对照者。研究整合了多种高维数据模态：
– 对正常和炎症性肠组织进行全外显子测序，以捕获基因组异常。
– 对相应组织进行 RNA 测序，以刻画转录组谱及炎症相关基因表达。
– 开展血清蛋白质组学分析，以评估循环炎症蛋白。
– 对苏木精-伊红（hematoxylin and eosin，H&E）染色组织进行全切片成像并实施组织病理学分析。
研究终点包括：识别区分疾病亚型和炎症状态的分子特征；建立反映肠道炎症严重程度的血清生物标志物面板；以及应用深度学习算法实现组织学评分自动化和亚型分类。
主要发现
不同疾病类型与部位存在差异性转录组特征
研究识别出克罗恩病与溃疡性结肠炎特异性的炎症相关基因表达谱，显示正常与炎症性肠组织之间存在部位特异性差异。这些转录组特征强调了驱动两种疾病的病理生理机制并不相同。尤其是，RNA 测序揭示了与疾病亚型及受累肠段相关的独特免疫细胞浸润模式和细胞因子表达改变。
血清蛋白质组学炎症严重程度特征
通过整合血清蛋白质组学数据，研究者构建了能够准确反映肠组织分子炎症水平的炎症蛋白特征。该基于血液的生物标志物面板有望用于更微创的疾病活动监测，并与组织水平的转录组标志物高度相关，可能为个体化治疗策略提供依据。
深度学习提升组织病理学诊断与疾病分类能力
研究采用基于基础模型的先进深度学习算法分析 H&E 染色肠黏膜活检数字图像。结果显示，这些模型在预测通常由资深病理学家评估的组织学疾病活动度评分方面具有较高准确性。此外，模型还能基于细微的组织形态学差异可靠地区分克罗恩病与溃疡性结肠炎，可能支持临床决策并降低诊断差异性。
公开资源促进后续研究
IBDome 多组学数据集已向公众开放，为探索 IBD 的分子基础、诊断性生物标志物和治疗靶点提供了前所未有的研究资源。
专家点评
这一综合性多组学图谱充分体现了整合研究方法在炎症性肠病领域的变革潜力。通过结合基因组、转录组、蛋白质组和组织病理学数据，并辅以先进的计算分析，该联盟加深了对疾病异质性及其临床表现的认识。对不同肠段转录组差异的识别，挑战了将 IBD 视为单一均质疾病实体的传统观念，凸显了个体化治疗的必要性。
血清蛋白质组学特征为实时监测提供了临床上较为便捷的生物标志物；若未来前瞻性验证成立，可能减少对侵入性内镜评估的依赖。深度学习在组织病理学中的成功应用，标志着病理学正向 AI 辅助方向发展，有望标准化疾病活动度评分和亚型分类，而这些指标以往常受观察者间差异影响。
不过，仍有若干局限值得关注。尽管多组学整合具有强大优势，但将复杂数据转化为常规临床算法仍需在不同人群中进行审慎验证。此外，横断面设计限制了对疾病纵向演变及治疗反应的认识。未来研究应纳入前瞻性队列和干预性试验，以建立因果联系及其治疗学意义。另外，深度学习模型还需要在不同组织病理制片标准下进行外部验证。
结论
IBDome 研究在构建炎症性肠病综合性、多维度图谱方面具有里程碑意义，借助前沿分子分型与计算病理学技术，系统描绘了该类疾病的特征。该整合性方法阐明了区分克罗恩病与溃疡性结肠炎的特异性分子及组织学特征，并反映了基础炎症严重程度。新近形成的血清生物标志物面板及 AI 驱动的组织学评估工具，有望提升疾病监测与诊断精度。更重要的是，公开可用的数据集为未来个体化 IBD 管理创新奠定了基础，并推动精准医学范式的发展。其临床应用仍需进一步前瞻性验证及真实世界实施研究。
资金支持
本研究由 TRR241 IBDome 联盟及相关学术和临床机构资助。详细资助信息见原始发表文献。
参考文献
1. Plattner C, Sturm G, Kühl AA, et al. IBDome: An Integrated Molecular, Histopathological, and Clinical Atlas of Inflammatory Bowel Diseases. Gastroenterology. 2026 Jun 10. PMID: 42269946.
2. Neurath MF. Current and emerging therapeutic targets for IBD. Nat Rev Gastroenterol Hepatol. 2017;14(5):269-278.
3. Jairath V, Feagan BG. Management of moderate to severe ulcerative colitis: a review of recent developments. Gut. 2021;70(5):1063-1071.
4. Becker C, Neurath MF. Novel insights into pathogenesis and treatment of IBD. J Clin Invest. 2022;132(12):e159596.
5. Kather JN, Calderaro J, Bankhead P, et al. Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer. Nat Med. 2019;25(7):1054-1056.
6. Atreya R, Neurath MF. Signaling molecules in IBD pathogenesis. Expert Rev Clin Immunol. 2021;17(5):439-450.