前言

“慢加急性肝衰竭（ACLF）主题月评”是中国慢（加急）性肝衰竭联盟受《国际肝病》编辑部邀请，制作的ACLF相关学术月评专栏。本专栏每月以ACLF某一特定领域为主题展开，旨在普及ACLF的概念及意义、帮助读者快速了解有关领域的进展。希望本专栏对无论是需要了解相关领域热点的肝病专家及研究人员，或是需要实用知识、活跃于临床一线的医务工作者，均能有所裨益。

本期月评简要描述乙肝相关的慢加急性肝衰竭中循环微生物组的特征分析。此外，还对本月（2024.6.21-2024.7.20）PubMed上更新的ACLF相关重要文献进行简评。

关于作者：

中国慢（加急）性肝衰竭联盟（Chinese Acute-on-chronic liver failure Consortium，Ch-CLIF-C）是由上海交通大学附属仁济医院消化内科李海教授牵头，由全国15家三甲医院感染科/肝病中心共同参与成立的肝病科研合作团队，致力于探索慢加急性肝衰竭（ACLF）的发病机制、制定基于高循证等级的乙肝高流行区ACLF诊断标准。目前团队开展了全球已报道入组数最多的ACLF前瞻性多中心队列研究“CATCH LIFE”（Chinese AcuTe-on-CHronic LIver FailurE），包含2个大型队列（入组2600的探索队列与入组1370例的验证队列）。

本期责任编辑

施毓

浙大一院感染科副主任医师、副教授，中国研究型医院学会肝病专委会委员，浙江省临床免疫学会青委副主任委员、浙江省医学会肝病分会青委副主任委员。从事终末期肝病研究，主持国家自然科学基金面上项目、国家重点研发计划子课题等国家级课题，在BMJ、Hepatology、Journal of Hepatology、Advanced Science等期刊上发表学术论文100余篇。

副责任编辑

俞霞

浙江大学传染病学在读博士生，师从浙江大学医学院附属第一医院盛吉芳教授和施毓教授，目前主要研究方向为慢加急性肝衰竭的免疫发病机制研究。以第一作者和共同一作身份已发表SCI论文10篇。

乙肝相关慢加急性肝衰竭（HBV-ACLF）是慢乙肝急性加重引起的危重症，其特征是多器官衰竭和短期高病死率。系统性炎症（SI）是推动ACLF发生和进展的关键因素。一方面，肝实质/非实质细胞的死亡和细胞外基质的崩解导致损伤相关模式分子（DAMPs）的释放，通过Toll样受体或其他受体激活先天免疫细胞。此外，移位的细菌或真菌及其释放的病原体相关模式分子（PAMPs）也可以诱发系统性炎症。在乙肝病毒再激活或自发性激活引起的ACLF背景下，早期SI可能是由免疫介导的肝脏损伤引发的。而随着疾病持续发展，HBV-ACLF患者常合并细菌感染。更重要的是，在没有明确部位感染的患者中，我们前期研究发现患者外周白细胞中抗菌免疫应答基因集的显著上调（Liver International 2018）。这提示HBV-ACLF患者体内微生态的严重紊乱可能导致隐性的循环细菌移位。

虽然目前已有大量关于肠道微生物组的研究，关于循环微生物组的研究当前还处于起步阶段。近期欧洲CANONIC研究团队Jonel Trebicka教授在ESAL年会上介绍了其主持的Europe Horizon项目MicroPredict研究，其中包括循环细胞的细菌16s RNA测序。早在2019年，我们开展了一项HBV-ACLF循环微生物组的探索研究（Liver International 2019）。在本项研究中，我们分析了50名HBV-ACLF患者，23名健康对照（HC）和25名代偿期肝硬化（C-LC）患者的血浆细菌16S rDNA测序结果。结果如下：

循环细菌负担

从HC到C-LC再到HBV-ACLF，循环16s细菌DNA含量呈逐步增加（P<0.01，见图1）。这些数据显示，HBV-ACLF患者的循环细菌负担增加。然而，循环细菌DNA的水平与疾病严重度、系统性炎症或最近抗生素使用无关。

图1. HBV-ACLF（n=50）、C‐LC（n=18）和健康对照（n=13）之间循环细菌负荷的比较

循环微生物组成

共对98个样本进行了测序，获得了7 784 512个原始数据读取。经过质量过滤后，保留了7 323 813个清洁数据读取以供后续分析。

Simpson和Shannon多样性指数的比较显示，HBV-ACLF组的循环微生物组整体多样性降低（P<0.05）。加权PCoA显示HBV-ACLF患者与健康对照组或代偿期肝硬化患者之间存在明显区别（见图2）。

图2. 加权基于UniFrac的主坐标分析（PCoA）图

每个点代表一名受试者。蓝色三角形表示HBV-ACLF患者，绿色圆圈表示C-LC患者，蓝色正方形表示HC

基于LDA评分≥4进行两两比较，直方图（图3）和谱系图（图4）分别显示了HBV-ACLF患者与C-LC患者和健康对照中特定细菌丰度的差异富集。

图3. 通过线性判别分析效应大小（LEfSe）分析比较HBV-ACLF患者与C-LC或HC之间的分类群丰度

直方图表示具有线性判别分析（LDA）得分>4.0的差异丰富分类群。绿色表示HBV-ACLF，红色表示HC或C-LC

图4. 通过线性判别分析效应大小（LEfSe）分析比较HBV-ACLF患者与C-LC或HC之间的分类群丰度

进化树图表示具有线性判别分析（LDA）得分大于4.0的差异丰富分类群的分类树。每个层次的分类群以绿色（HBV-ACLF）或红色（HC或C-LC）表示。条形图显示了每个已识别分类群的相对丰度。分类群以蓝色（HBV-ACLF）或红色（HC或C-LC）表示。p：门，c：纲，o：目，f：科，g：属，s：种

01

与C‐LC患者和HC相比，HBV‐ACLF患者的循环菌群在科水平上可见Moraxellaceae富集，在属水平上可见Sulfurovum富集。与C‐LC组相比，HBV‐ACLF患者中未鉴定的弯曲杆菌目在家族水平上显著富集。与HC组相比，HBV‐ACLF组的伯克霍尔德科（Burkholderiaceae）、莫拉菌科（Moraxellaceae）的不动杆菌属（Acinetobacter）和未确定弯曲菌目（Campylobacterales）家族的Comamonas被特异性富集。

02

与C-LC和HC组相比，HBV-ACLF患者的循环微生物组中Actinobacteria（门）和该门内未鉴定的Actinobacteria（纲）、Deinococcus-Thermus（门）和该门内Meiothermus（属），以及Enterobacteriales（目）和该目内Enterobacteriaceae（科）、Xanthomonadales（目）和该目内Xanthomonadaceae（科）的相对丰度降低。

接下来，我们评估了抗生素使用对循环微生物群落的影响。在本研究中，9名HBV-ACLF患者在基线时使用了抗生素，而其他41名患者没有使用。Chao1、Simpson和Shannon指数显示，细菌多样性没有显著变化。关于细菌的差异丰度，使用抗生素的HBV-ACLF患者的循环微生物组与未使用抗生素的HBV-ACLF患者相比，Corynebacteriaceae（目）和Rhodococcus（属）以及Lactobacillus（属）的丰度增加。

HBV-ACLF中循环细菌与系统性炎症的相关性

接下来，使用系统生物学方法（相关网络分析）在HBV-ACLF组中探索关键细菌分类群（与HC或C-LC组相比，LEfSe截止值≥4的Moraxellaceae、Sulfurovum、Campylobacterales、Burkholderiaceae、Meiothermus、Enterobacteriaceae、Xanthomonadaceae、Actinobacteria和Acidobacteria）与HBV-ACLF患者中增加的循环细胞因子/趋化因子（IL-6、IL-8、IL-10、GM-CSF、IP-10）之间的可能相关性。如图5所示，Burkholderiaceae的丰度与IP-10（0.422，P=0.0053）之间存在直接相关性。IP-10与G-CSF（0.486，P=0.002）之间也呈正相关。

图5. HBV-ACLF患者中关键细菌类群与血浆趋化因子/细胞因子的相关性

（A）HBV-ACLF中关键细菌类群和血浆趋化因子/细胞因子的网络分析。Spearman秩相关分析显示相关性具有统计学意义（P<0.05）。类群用黄色节点表示，趋化因子/细胞因子用蓝色节点表示。红色节点连接线表示正相关。（B）伯克霍尔德科相对丰度与血浆IP-10浓度的相关分析图。采用Spearman秩相关分析并拟合直线

循环微生物与HBV-ACLF患者死亡率之间的关联

接下来，我们探讨了循环细菌谱的改变是否与HBV-ACLF的预后相关。研究发现，在入院后28天内死亡的患者中，Enterobacteriaceae的丰度增加，而存活的患者中Prevotellaceae的丰度增加（见图6）。

图6. 采用LEfSe分析比较存活患者与死亡患者的分类丰度

（A）直方图代表差异丰富的类群，LDA>4.0。分类群用绿色（死亡者）或红色（生存者）表示。（B）进化树表示LDA评分为>4.0的差异丰度类群的分类树。各级分类群用绿色（死亡）或红色（存活）表示。O:目，f:科

在根据年龄、性别和COSSH-ACLF评分进行调整的Cox比例风险模型中，Prevotellaceae的高丰度仍然是预后的保护因素（见表1）。

表1. 与HBV-ACLF患者28天死亡率相关的危险因素

HBV-ACLF中推断的功能性循环元基因组

最后，我们使用PICRUSt进行了推断性元基因组分析，以预测与HBV-ACLF相关的循环元基因组的功能性潜力。如图7所示，与HC和C-LC组相比，HBV-ACLF患者在甲烷、丙氨酸、天冬氨酸、谷氨酸、嘧啶、嘌呤和能量等代谢途径的基因表达显著增加。此外，功能元基因组预测，在HBV-ACLF中激活了与碳固定、氨基酸tRNA生物合成、DNA复制、核糖体、染色体、DNA修复和氧化磷酸化相关的基因。相比之下，与精氨酸、脯氨酸、卟啉、叶绿素、丁酸盐、丙酸盐、甘氨酸、丝氨酸和苏氨酸代谢相关的基因在HC中比在HBV-ACLF患者中更丰富。

图7. HBV-ACLF患者，C‐LC患者和HC之间差异富集的代谢通路和结构复合物的热图

采用PICRUSt软件进行宏基因组预测。红色表示上调，蓝色表示下调

总结

本研究的发现总结如下：①HBV-ACLF患者的循环微生物负担显著增加；②HBV-ACLF的循环微生物组成显著改变，并鉴定出几种与疾病相关的细菌；③在HBV-ACLF患者中，特定细菌的增加与系统性炎症和预后相关；④与组成改变同时发生的是循环微生物组的代谢功能转变。

2024.6.21-2024.7.20，PubMed上更新ACLF相关综述/述评及论著共16 篇。涉及病因诱因、发病机制、治疗及预测预后等方面。

01

Song DS, Kim HY, Jung YK, et al. Dynamic analysis of acute deterioration in chronic liver disease patients using modified quick sequential organ failure assessment. Clin Mol Hepatol. 2024;30(3):388-405. doi:10.3350/cmh.2023.0563 IF=14

简述：快速序贯器官衰竭评分（qSOFA）可识别疑似感染患者的不良预后风险。该研究的目标是评估改良的qSOFA（m-qSOFA）识别急性恶化的慢性肝病（CLD）患者中的高风险患者的能力，特别是那些慢加急性肝衰竭（ACLF）的患者。

本项研究使用了来自韩国慢加急性肝衰竭（KACLiF）和亚太肝病研究协会ACLF研究联盟（AARC）队列的数据。通过将格拉斯哥昏迷评分替换为肝性脑病，对qSOFA进行了改良，m-qSOFA≥2被认为存在高风险。在两个队列中，高m-qSOFA的患者1个月无移植生存率（TFS）显著低于低m-qSOFA的患者，并且在KACLiF中器官衰竭的发展也更高（P<0.05）。通过ACLF的亚组分析显示，高m-qSOFA的患者TFS低于低m-qSOFA的患者。m-qSOFA是一个独立的预后因素（KACLiF队列：HR=2.604，95%CI：1.353-5.013，P=0.004；AARC队列：HR=1.904，95%CI：1.484-2.442，P<0.001）。基线时m-qSOFA低但在第7天高的患者1个月TFS显著低于基线时m-qSOFA高但在第7天低的患者（KACLiF队列：52.6% vs. 89.4%，P<0.001；AARC队列：26.9% vs. 61.5%，P<0.001）。

简评：本研究强调了m-qSOFA作为预后工具的有效性，并提出了其在临床实践中的应用潜力，尤其是在早期识别和干预高风险CLD患者方面。同时，作者提出了一个新的算法，使用基线ACLF的存在和m-qSOFA以及第7天m-qSOFA的变化来区分患者的风险等级。这可能有助于在急性失代偿的CLD患者中早期识别不良结果的患者，并在这个关键窗口期进行早期干预，从而可能改善患者的预后。然而，该项研究仍存在一定的局限性，包括两个队列的基线特征不同、对EASL-CLIF ACLF患者的分析限制、CLD病因主要是与酒精相关的肝病、以及m-qSOFA在独立预测1个月死亡率时的能力有限。

02

Kumar A, Arora A, Choudhury A, et al. Impact of Diabetes, Drug-Induced Liver Injury, and Sepsis on Outcomes in MAFLD-Related Acute-on-Chronic Liver Failure. Am J Gastroenterol. Published online July 17, 2024. doi:10.14309/ajg.0000000000002951 IF=8

简述：代谢功能障碍相关脂肪性肝病（MAFLD）及其并发症MAFLD相关的慢加急性肝衰竭（MAFLD-ACLF）的患病率正在上升。然而，决定MAFLD-ACLF患者预后的因素尚未得到充分研究。本研究从AARC注册处招募了MAFLD-ACLF患者。当治疗单位确定慢性肝病（CLD）的病因为MAFLD（或先前的命名如NAFLD、NASH或NASH肝硬化）时，就诊断为MAFLD-ACLF。排除其中合并其他CLD病因（如酒精、HBV、HCV等）的患者。数据随机分为训练（n=258）和验证（n=111）队列，比例为70:30。主要结果是90天死亡率。只考虑了基线的临床、实验室特征和严重程度评分。

训练队列中60%为男性，平均年龄53岁。糖尿病占27%，高血压占29%。主要的诱因包括病毒性肝炎（HAV和HEV，32%）、药物诱导损伤（DILI，29%）和脓毒症（23%）。入院时MELDNa和AARC评分平均分别为32±6和10.4±1.9。90天时，有51%的患者存活。非病毒性诱因、糖尿病、胆红素、INR和肝性脑病是影响死亡率的独立因素。在MELD-Na和AARC评分的基础上加入糖尿病和诱因，形成了新的MAFLD-MELD-Na评分（糖尿病+12分，非病毒诱因+12分）和MAFLD-AARC评分（每个+5分）。这些评分在两个队列中的表现均优于标准评分。

简评：本研究为MAFLD-ACLF患者死亡率的预测提供了重要的见解。研究确定了糖尿病和非病毒性诱因作为90天死亡率的显著独立预测因素。在这些发现的基础上，开发并验证了新的评分系统，MAFLD-MELD-Na和MAFLD-AARC评分，这些评分在预测死亡率方面优于一般MELD-Na和AARC评分。这些评分系统有望提高MAFLD-ACLF患者的风险分层和预后评估，最终促进及时干预和改善患者结果。然而，重要的是要考虑该项研究的局限性，如潜在的选择偏差和数据的回顾性质。需要进一步的外部验证和前瞻性研究来验证这些评分系统的效用，并评估它们对长期结果的影响。总之，该项研究为深入理解日益增长的MAFLD-ACLF做出了贡献，并为未来旨在优化这一高风险人群的管理和预后的研究奠定了基础。

03

Qiu S, Zhao Y, Hu J, et al. Predicting the 28-day prognosis of acute-on-chronic liver failure patients based on machine learning. Dig Liver Dis. Published online July 13, 2024. doi:10.1016/j.dld.2024.06.029. IF=4.0

简述：机器学习（ML）在肝病学以及ACLF中越来越被广泛使用。尽管已有研究报告了ML在ACLF患者预后预测中的应用，但尚未建立能够动态反映临床状况和治疗效果的ML模型。因此，本研究的目标是基于易于获取的指标，建立并验证一个针对ACLF患者的ML模型，以预测ACLF患者的28天预后，并帮助临床医生评估治疗效果。

本研究纳入了来自六家三级医院的ACLF患者进行分析。通过LASSO回归选择ML模型开发的特征。通过曲线下面积（AUC）和准确率评估模型的性能。使用Shapley Additive exPlanations来解释ML模型。736名患者中，587名被分配到训练集，149名到外部验证集。选择的特征包括年龄、肝性脑病、总胆红素、PTA（凝血酶原活动度）和肌酐。eXtreme Gradient Boosting（XGB）模型在ACLF患者的预后预测中表现最佳，具有最高的AUC和准确率。Delong测试表明XGB模型优于Child-Pugh评分、MELD评分、CLIF-SOFA、CLIF-C OF和CLIF-C ACLF。此外，在基线、第3天、第7天和第14天的连续评估提高了XGB-ML模型的预测性能，并可以帮助临床医生评估医疗治疗的有效性。

简评：此研究利用大型多中心队列，开发了一个准确度高的XGB-ML模型来预测ACLF患者的28天死亡率。XGB-ML模型在预测ACLF患者的预后方面优于传统的临床预后模型。此外，连续评估提高了XGB-ML模型的预测性能，表明该模型能够在连续评估后准确反映ACLF患者的临床状况，并作为ACLF治疗效果的评估工具。然而，该项研究仍具有一些局限性：首先，该项研究的类型为回顾性研究，存在偏倚，后续需要前瞻性研究来进一步验证。其次，考虑到外部验证集的相对较小规模，需要在更大人群的前瞻性研究中进一步验证，并需要更好的方法来解释和可视化ML模型。