《Biotechnology Advances》：Tracking inflammation status for improving patient prognosis: A review of current methods, unmet clinical needs and opportunities
編輯推薦：
該綜述聚焦炎癥標志物在疾病中的作用，探討動態監測（如細胞因子、急性期蛋白、激素）及計算建模對評估炎癥反應、識別生物標志物和個性化治療的意義，涉及心臟手術、COVID-19 等多領域，強調跨學科合作的重要性。
炎癥是機體對感染、創傷或損傷的應答，通過組織駐留基質細胞與浸潤免疫細胞的協同作用激活，以恢復組織穩態。這一過程依賴免疫調節蛋白（如細胞因子、急性期蛋白、激素和生物活性脂質）的相互作用，其失調會引發慢性炎癥及病理過程，如癌癥、自身免疫病等。
炎癥反應
炎癥反應由細胞因子、激素和急性期蛋白等信號生化物質介導。細胞因子（如白細胞介素 IL、干擾素 IFN、腫瘤壞死因子 TNF-α）由多種細胞產生，具有多效性，正常生理下水平低且呈晝夜節律，炎癥時濃度顯著升高，通過自分泌、旁分泌、近分泌和轉導信號等方式作用于靶細胞，產生促炎或抗炎效應，并與下丘腦 - 垂體 - 腎上腺（HPA）軸激素相互作用，影響全身免疫激活。激素如皮質醇通過 HPA 軸抑制細胞因子活性，生長激素和瘦素參與傷口愈合。急性期蛋白（如 C 反應蛋白 CRP、血清淀粉樣蛋白 A）由肝細胞合成，作為非特異性生物標志物用于多種疾病的炎癥評估。
炎癥標志物檢測
細胞因子檢測因更具特異性而重要，現有傳感器包括機械、電化學、光學等類型，如納米等離子體傳感器可快速檢測多種細胞因子，用于監測細胞因子風暴等。激素和急性期蛋白檢測則有創或無創方式，如 “U-RHYTHM” 設備和 “InflaStat” 貼片。
炎癥標志物動態建模
數學模型如微分方程模型可量化炎癥標志物動態，結合數據驅動方法（如機器學習）能從基因表達數據中揭示生物標志物。但現有模型缺乏反饋通路，且縱向數據不足，心臟手術因炎癥起始和恢復時間明確，成為研究范例。
心臟手術的炎癥反應
心臟手術（如冠狀動脈旁路移植術 CABG）會引發全身炎癥反應，IL-6、IL-8、IL-10 和 TNF-α 是關鍵指標。手術創傷和體外循環導致細胞因子釋放，與術后并發癥相關�？寡撞呗园ㄊ褂锰瞧べ|激素、肝素等藥物，但需考慮個體差異。目前存在樣本量小、采樣稀疏等問題，動態監測和個性化治療是方向。
其他疾病的細胞因子反應
- 局部傷口：IL-1、IL-6、TNF-α 促進愈合，IL-10 抑制炎癥。
- COVID-19：細胞因子風暴可致急性呼吸窘迫綜合征（ARDS），IL-6、IL-10 與病情嚴重程度相關。
- 癌癥：IL-6 加速進展，CAR-T 治療可能引發細胞因子釋放綜合征（CRS）。
- 自身免疫疾病：如系統性紅斑狼瘡（SLE）與 IL-10、IL-17 異常有關。
- 神經退行性疾病：阿爾茨海默�。ˋD）、帕金森�。≒D）與 IL-6、TNF-α 等相關。
- 免疫衰老：IL-1、TNF-α 影響肌肉修復，IL-6 與肌肉再生減少有關。
挑戰與機會
當前挑戰包括生物標志物的個體差異、檢測方法的局限性和數據不足。機會在于開發可穿戴設備進行動態監測，結合計算建模實現早期檢測和個性化治療，如針對細胞因子通路的干預。需加強縱向研究和跨學科合作，以推動炎癥監測和治療的發展。
