综述：揭示微小RNA在多发性硬化症患者对干扰素-β治疗反应中的作用：一项系统评价

《Multiple Sclerosis and Related Disorders》：Uncovering the Role of MicroRNAs in Response to Interferon-beta Therapy among Multiple Sclerosis Patients: A Systematic Review

　　

Mitra Pourseirafi|Seyed Reza Mousavi|Anoosha Niazmand|Neda Hosseini|Nasimeh Vatandoost|Mansoor Salehi

伊朗伊斯法罕医科大学细胞、分子与遗传学研究中心

摘要

背景

多发性硬化症（MS）是一种常见的神经退行性疾病，主要影响年轻人。尽管患者对干扰素-β（IFN-β）的反应存在显著差异，但它几十年来一直是MS治疗的基石。越来越多的证据表明，微小RNA（miRNAs）在免疫调节中起着关键作用，并可能影响治疗结果。因此，本系统评价旨在探讨miRNAs在影响MS患者IFN-β治疗效果、反应机制中的作用。

方法

本系统评价遵循PRISMA指南进行。对PubMed、Scopus、Web of Science和ScienceDirect数据库进行了全面搜索，纳入了截至2025年发表的相关研究。研究内容包括RRMS患者在接受IFN-β治疗后的miRNA表达水平变化，以及未接受治疗和无反应患者的对比情况。采用加权投票计数合成方法，根据方向一致性（上调/下调）和有效样本量贡献来优先考虑显著失调的miRNAs。随后对未确定靶点的miRNAs进行了靶点预测。最终构建并分析了miRNA-靶点网络和PPI网络，并进行了通路富集分析。

结果

根据纳入标准，共纳入13项研究，这些研究报道了与IFN-β治疗相关的184个miRNA表达水平的变化。通过加权投票计数合成方法，发现miR-29b、miR-504、miR-185-5p和miR-27a等miRNAs显著失调。miR-29b-1-5p、miR-193a-3p、miR-346、miR-27a-5p是来自miRNA-靶点相互作用网络的枢纽miRNAs，10个枢纽基因来自PPI网络。通路富集分析结果表明，这些miRNAs和枢纽基因主要参与免疫调节、干扰素信号传导和神经炎症机制。

结论

这些发现有助于阐明IFN-β治疗RRMS患者中miRNAs的调节机制，并为MS患者提供更专业和有效的治疗方案。

部分摘录

引言

多发性硬化症（MS）是一种慢性神经系统疾病，其特征是炎症、脱髓鞘和轴突损伤（Attfield等人，2022年）。这些过程对疾病的进展和相关的残疾至关重要，因为它们会破坏大脑和脊髓中神经元髓鞘的完整性（Marcus，2022年；Portaccio等人，2024年）。

MS被认为是年轻人中最常见的非创伤性致残原因。

研究设计

本研究旨在根据PICO（Methley等人，2014年）标准，探讨miRNAs如何影响RRMS患者对IFN-β治疗的疗效和反应：

•

研究对象： RRMS患者

•

干预措施： IFN-β治疗

•

比较组： 未接受IFN-β治疗或对IFN-β治疗无反应的患者

•

结局： miRNA谱型对疾病进展、对IFN-β治疗的反应以及相关分子过程的影响。

信息来源和搜索策略

本系统评价遵循...

系统搜索结果和研究特征

从PubMed、ScienceDirect、Web of Science和Scopus数据库中共识别出225篇论文。去除重复项后，作者独立评估了159篇论文的标题和摘要。根据排除标准，排除了不相关的论文，最终确定了13篇符合质量要求的研究。研究选择和筛选过程如图1所示。

所有研究均以英文发表，时间跨度为2011年至2024年，内容涉及...

讨论

尽管IFN-β的副作用不尽理想，但它仍被作为MS的一线常规治疗方法（Goldschmidt和Hua，2020年）。尽管已付出大量努力以阐明其作用机制并提高疗效，但由于其多效性，其对治疗的反应仍不确定。影响反应的因素尚未完全明了。治疗效果不佳的一个潜在原因可能是多种...

结论

本系统评价首次全面总结了现有数据，探讨了miRNAs对MS患者对IFN-β治疗反应的影响。它强调了特定差异表达miRNAs作为治疗疗效预测生物标志物的潜力，通过阐明它们与关键信号通路的相互作用来实现这一点。然而，治疗调节miRNA活性的机制仍不明确，需要进一步研究。

参与声明

本研究不适用

伦理批准声明

本研究不适用

资金

本研究未获得任何资助

数据可用性

支持本研究的所有数据均可供查阅

手稿准备过程中使用的人工智能辅助技术声明

在准备本手稿时，作者使用了QuillBot和Grammarly进行语言编辑和可读性改进。使用这些工具后，作者根据需要仔细审查和编辑了内容，并对发表文章的内容负全责。

作者贡献

Mitra Pourseirafi：起草手稿，并对其重要学术内容进行严格修订。

Seyed Reza Mousavi：研究构思、设计及手稿修订。

Anoosha Niazmand：数据收集、数据分析及手稿起草。

Neda Hosseini：方法学设计、研究实施及数据管理。

Nasimeh Vatandoost：搜索策略及数据管理。

Mansoor Salehi：概念化、监督及验证。

CRediT作者贡献声明

Mitra Pourseirafi：撰写初稿、项目管理、研究实施。Seyed Reza Mousavi：撰写、编辑及项目管理、概念化。Anoosha Niazmand：撰写初稿、方法学设计、研究实施、正式分析。Neda Hosseini：数据可视化、研究实施及数据管理。Nasimeh Vatandoost：软件应用、研究实施。Mansoor Salehi：验证、监督及概念化。

利益冲突声明

作者声明无利益冲突

致谢

感谢同事们在本研究中的合作和有益讨论。