总纲

本目录不是只列主题，而是连接到每个主题的详细学习卡片。详细卡片先给出核心事实、概念关系、实验/统计框架、常见误区和参考文献；后续还可以继续拆成单个机制或论文卡片。

目录

A. 疾病与临床

1. 〔01_公共卫生与疾病自然史〕
2. 〔02_临床表现、病理与疾病分型〕
3. 〔12_预防、疫苗与感染控制〕

B. 病原体与宿主

1. 〔03_Mtb结构、分子生物学与代谢〕
2. 〔04_宿主免疫、肉芽肿与病理机制〕

C. 诊断、耐药与治疗

1. 〔05_结核病诊断体系〕
2. 〔06_耐药、药敏与基因型预测〕
3. 〔07_抗结核治疗、药理与临床管理〕

D. 数据与技术

1. 〔08_Mtb基因组学与基因图谱〕
2. 〔09_数学模型、统计学与机器学习〕
3. 〔10_多组学、EV与外泌体〕
4. 〔11_纳米技术与微流控诊断〕

E. 科研能力与资源

1. 〔13_研究设计、证据分层与临床转化〕
2. 〔14_术语表、数据资源与工具链〕
3. 〔15_经典文献与权威指南〕

总体知识结构

Mtb病原体
  ├─ 结构、细胞壁、代谢、毒力、休眠
  ├─ 基因组、谱系、耐药突变、传播链
  ↓
宿主
  ├─ 巨噬细胞、T细胞、B细胞、髓系细胞
  ├─ 肉芽肿、炎症、免疫病理、组织损伤
  ↓
疾病
  ├─ 感染、潜伏、活动性疾病、肺外结核
  ├─ 菌量、传播性、临床表现和预后
  ↓
检测
  ├─ 病原学、培养、DST/MIC、PCR、WGS
  ├─ 宿主反应、EV、蛋白/核酸/代谢标志物
  ↓
治疗
  ├─ 药物作用、耐药、PK/PD、依从性和结局
  ├─ 精准治疗、宿主导向治疗、纳米递送
  ↓
公共卫生与转化
  ├─ 数学模型、传播控制、筛查和疫苗
  ├─ 微流控、低资源诊断、多中心验证

阅读和使用方式

• 第一遍：先看每张卡片的“核心结论”和“概念关系”。
• 第二遍：重点看诊断、耐药、基因组和治疗之间如何互相连接。
• 第三遍：结合你的方向精读 EV、T 细胞、微流控、多组学和机器学习。
• 每个新研究问题都要标记：研究对象、样本、表型、对照、证据等级和外部验证。

贯穿全领域的证据边界

• 潜伏感染不等于活动性疾病。
• 标志物差异不等于功能性机制。
• 基因型耐药不等于表型耐药。
• 体外免疫效应不等于感染中的治疗效果。
• 机器学习性能不等于临床效用。
• 跨疾病类比只能产生假设，不能替代目标疾病证据。
• EV研究优先使用操作性术语；没有生物发生证据时，不把所有小EV都称为exosome。

与你的博士方向的主线

1. TB—EV—T细胞功能：把EV cargo变化与抗原反应、增殖、细胞因子多功能性、代谢和可逆性联系起来。
2. 耐药基因组—快速检测：把WGS/靶向突变、DST/MIC和临床用药连接起来。
3. 微流控—纳米材料—复杂样本：解决痰液、血液、尿液和EV样本的富集、纯化和检测。
4. 多组学—机器学习—多中心验证：从发现性标志物走向可解释、可校准、可复现的诊断模型。

学习顺序

临床基本概念
  → 病原体与免疫
  → 诊断与药敏
  → 耐药与治疗
  → 基因组与数学/机器学习
  → EV、多组学、微流控
  → 研究设计和临床转化

当前版本说明

v2（2026-09-19 大扩充）：16 张卡片全部实质化扩充（平均每张 3–4 倍体量）。新增内容：WHO 2025 报告关键数字（1080 万新发/123 万死亡）、LTBI 进展风险量化表、细胞壁分层结构与药物靶点对照、ESX 分泌系统与毒力因子、代谢节点（ICL/胆固醇）、DosR 休眠调节子、免疫遗传学证据（MSMD/IFN-γ 轴）、肉芽肿动态演变、诊断性能数字（Xpert Ultra LoD ~131 CFU/mL）、WHO 耐药目录分级体系与基因-药物对照表、BPaL/BPaLM 6 个月全口服方案、A/B/C 组药物分类、L1–L9 谱系表、MISEV 命名框架与 EV 分离方法对比、微流控前处理矩阵、M72/AS01E 等 8 个疫苗管线、TRIPOD+AI/STARD 报告规范、36 篇核心文献清单。

这是第二版系统知识库。详细卡片仍然不是临床处方或穷尽式系统综述；涉及当前治疗方案、检测算法和政策时，应回到最新 WHO 及国家指南核对。

打印学习建议：每张卡片独立成篇；先读 00 → 15（文献地图）→ 01/02（疾病与临床）建立框架，再按"阅读顺序"（见 15 §八）分层推进。表格是记忆锚点，代码块是流程骨架。

公共卫生与疾病自然史

1. 这张卡片要解决什么问题

结核病既是个人临床疾病，也是持续发生于人群中的传播过程。学习时要同时理解：谁被感染、谁会发病、谁能传播、谁会复发、哪些干预能改变这些过程。

全球负担关键数字（WHO 2024 年报告数据，2025 年发布）：

• 2024 年全球新发结核病患者约 1080 万，较 2023 年（1070 万）略有上升，是有监测以来首次连续两年超过千万。
• 2024 年结核死亡约 123 万，另加 HIV 阳性者 16.1 万，合计约 140 万——结核重返"单一传染病死因第一位"（超过新冠）。
• 估算约 1/4 的世界人口存在结核感染（LTBI 潜在库）；每年由潜伏进展为活动性结核者约 5%–10%（感染后头 2 年风险最高）。
• 结核相关 SDG 进展缓慢：2024 年约 38 万例死亡归因于 HIV、糖尿病、营养不良、吸烟、酒精五项风险因素。
• 中国负担：每年新发约 70–80 万例，居全球第三（仅次于印度、印度尼西亚）；利福平耐药（RR-TB）年新发约 3 万例，居全球第二。
• 里程碑目标：WHO End TB Strategy 要求 2025 年比 2015 年死亡数降 75%、发病率降 50%——按目前速度两项指标均未达标（2023 年死亡较 2015 年降约 23%、发病率降约 8%）。

2. 感染、潜伏和疾病

2.1 结核感染

结核感染表示宿主与 Mtb 发生过免疫学或微生物学意义上的接触，但并不自动表示存在活动性病灶。感染状态通常由 TST 或 IGRA 等检测支持，但这些检测不能单独定位病灶，也不能独立证明活动性结核。

剂量-感染关系（经典接触研究数据）：感染概率与暴露剂量和时间相关——约 20 小时共享室内空气的密切接触者中约 20%–30% 感染；一次咳嗽可释放约 3000 个含菌气溶胶微粒，一次喷嚏为 0–40,000 个（中位数远低于上限，个体差异极大）。

2.2 潜伏性结核感染（LTBI）

LTBI 常用于描述没有活动性结核临床证据、但存在感染证据的状态。它不是一个单一、静态的细胞状态，而可能包括细菌被控制、低水平持续、组织内异质性和未来进展风险不同的多个状态。

进展风险的量化阶梯（Pai 2016, Nat Rev Dis Primers）：

LTBI 实质异质性的证据线索：尸检研究在免疫正常宿主的肺尖病变中可培养出活菌；灵长类模型显示同一宿主不同肉芽肿可同时含无菌、含休眠菌与活跃复制菌；PET-CT 显示部分"潜伏"宿主肺部持续存在 FDG 摄取病灶。因此 LTBI 更接近"被控制但未清除的感染谱"，而非"无菌潜伏"。

2.3 活动性结核

活动性结核是临床、影像、病原学和病理证据综合支持的疾病状态。活动性肺结核的核心公共卫生意义是可能产生可传播的气溶胶；肺外结核通常传播性较低，但不能简单忽略并发肺部病灶。

未经治疗自然史（化疗前时代队列）：约 1/3 未经治疗者在 5 年内死亡，约 1/3 自愈（遗留纤维钙化灶），约 1/3 转为慢性。传染性指标：涂片阳性肺结核未治疗者平均每年感染约 10–15 名密切接触者（经典估算）；有效治疗 2 周后咳嗽频率与菌量大幅下降，传染性显著降低（但不是零，痰涂片转阴前仍需感染控制）。

3. 疾病自然史

暴露
  ↓
感染或清除（先天免疫完全清除的比例不明，可能被低估）
  ↓
潜伏/控制状态
  ├─ 长期稳定
  ├─ 进展为活动性疾病（原发进展，多见于感染后 2 年内）
  ├─ 再激活（多见于原发感染 2 年后）
  └─ 再感染（高传播环境中外源再感染可占复发的大比例）
  ↓
治疗、治愈、失败、复发或死亡

影响进展的因素包括：

• HIV 及其他免疫抑制
• 年龄（U 型曲线：<5 岁及 >70 岁风险高；青春期窗口）
• 糖尿病、营养不良和慢性肾病
• 生物制剂、糖皮质激素和移植
• 细胞因子通路缺陷（IFN-γ/IL-12 轴的罕见孟德尔遗传缺陷→重症分枝杆菌病，MSMD）
• 吸烟、饮酒、硅尘暴露和社会环境（贫困、拥挤住房、监所）
• 菌株谱系、菌量和宿主遗传差异（TLR、LTA4H 等位点效应在不同人群不一致，需谨慎解释）

原发感染 vs 再激活 vs 再感染：低流行区复发多为再激活；高流行区再感染比例升高。WGS 已把"复发 vs 再感染"从推断变成可测量问题——复发株与原发株全基因组 SNP 距离通常 <5–10 个 SNP，而再感染株差异远大（通常 >500 SNP 或不同谱系）。

4. 传播链

传播不是单个病例的属性，而是"传染源—暴露—易感宿主—感染—后续传播"的链条。

关键变量包括：

• 传染源传染性：涂片菌量等级（AFB 1+ 至 4+）与传播率正相关；培养阳性/涂片阴性者传播效率约为涂片阳性者的 20%–25%（仍非零）；空洞者气溶胶排放显著高于无空洞者。
• 气溶胶动力学：1–5 μm 含菌 droplet nuclei 可悬浮数小时并到达肺泡；单次咳嗽产生约 3000 个 droplet nuclei，大声说话 30 分钟约等于 1 次咳嗽。
• 接触时长和空间通风：经典估算——室内通风越差、共处时间越长，感染概率越高（如航班空气再循环事件中的传播）。
• 高风险场景：家庭、宿舍、医院（尤其是诊疗气溶胶产生操作）、监狱、矿场、收容所。
• 病例被发现和有效治疗的速度：诊断延迟（数周至数月）直接延长传播窗口。
• 传播菌株是否已经耐药：耐药株传播已在多个国家造成原发耐药流行（如前苏联地区 Beijing 谱系 RR-TB）。

基本再生数 R₀：结核 R₀ 估计跨度大（<1 至 >10，多数集中在 1–4），因为代际时间长达数年（感染→传染性平均约 1–2 年，有的潜伏数十年），远慢于急性呼吸道传染病。这决定了结核传播可以在人群中长期低水平维持，也意味着单一病例管理对疫情影响的显现需要以年计。

5. 人群层面的干预

• 主动发现病例（ACF：症状筛查→分子检测，在高危人群可缩短诊断延迟）
• 接触者调查（同心圆法：先家庭、后密切、再偶然接触）
• 潜伏感染筛查和预防性治疗（3HP、3HR、4R 等短程方案；见 〔12_预防、疫苗与感染控制〕）
• 快速分子检测和药敏检测（Xpert 作为初始诊断检测，见 〔05_结核病诊断体系〕）
• 检查耐多药/广泛耐药病例的感染控制（二线药物注射段与医生延迟）
• 感染控制、通风和呼吸防护
• 深入层面：治疗依从性和社会支持（营养支持、交通补贴、数字依从技术）
• 耐药监测和分子流行病学
• 营养、贫困、住房和医疗可及性干预（社会决定因素占结核负担的很大比例——印度营养不良-TB 归因研究提示营养不良权重最大）

干预效果的时滞直觉：因为代际长，病例发现率提高后发病率下降要多年才显现；但死亡率和传播链中断见效相对快。理解这点对解读"为什么 DOTS 十年发病率不降"类问题至关重要。

6. 流行病学指标

• 发病率 incidence：单位人口、单位时间的新发病例（WHO 报告为 10 万分率）。注意 WHO 估算是模型化区间估计（Uncertainty Interval），不是精确计数；2024 年 1080 万的 UI 约 ±10%。
• 患病率 prevalence：特定时间点或期间的现患病例。患病率调查（如中国 2010 年全国流调）是校正发病估算的重要手段。
• 死亡率 mortality（人群死亡/人口）与病死率 case fatality（死亡/病例）：2024 年全球 CFR 约 11%–13%，HIV 共感染者未经治疗 CFR 可超 30%。
• 感染率：TST 阳性率受 BCG 接种影响，IGRA 更特异但成本高。
• 传播指标：二代病例数、有效再生数 Rₑ、簇聚性比例（clustering proportion，提示近期传播）。
• 治疗结局指标（WHO 定义）：治疗成功（治愈+完成）/ 失败 / 失访（LTFU）/ 死亡 / 未评估。DS-TB 治疗成功率全球约 88%，MDR-TB 约 63%（2024 数据），pre-XDR/XDR 更低。

漏斗与级联（care cascade）：估算发病 → 报告病例 → 实验室确认 → 耐药检测 → 开始有效治疗 → 治疗成功。2024 年全球仍有约 270 万人未诊断或未报告（gap），RR-TB 级联漏损更严重（已知 RR-TB 中仅约 2/3 开始二线治疗）。研究/项目评价新工具时应明确它作用于级联的哪一环。

7. 需要避免的混淆

• "感染人数多"不等于"活动性病例多"。
• "检测阳性"必须明确是哪一种检测阳性。
• 结核病负担估计包含不确定区间，不是精确计数。
• 传播链推断不能仅依靠两个菌株基因组相似；还需要时间、空间和接触信息。
• 发病率下降不能全部归因于干预——人口老龄化、年龄结构变化也会影响表观发病率。
• 化疗前时代自然史数据（自愈率、死亡风险）不能直接外推到 HIV 时代或当代人群。

8. 与你的研究方向的联系

你的 EV/微流控研究如果面向临床转化，必须明确样本来自：潜伏感染、活动性 TB、治疗前、治疗中、治疗后，还是耐药病例。不同状态混在一起，会使任何 EV 标志物模型失去临床解释力。

具体例：若活动性 TB 组混入大量已治疗 2 月菌阴转病例，模型学到的可能是"炎症负荷"而非"结核特异性状态"；若健康对照组未做 IGRA 筛查，在 LTBI 流行率 ~25% 的环境中对照组本身即含感染者，会人为压低表现差异。

9. 参考来源

• WHO. Global Tuberculosis Report 2025. （负担数据基于 2024 年度数据）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI:10.1038/nrdp.2016.76.
• Houben RM, Dodd PJ. PLoS Med. 2016;13:e1002152. DOI. （全球 LTBI 估算 23.0%，约 17 亿人）

临床表现、病理与分型

1. 临床判断的基本逻辑

结核临床诊断不是单一试剂判断，而是把症状、体征、暴露史、影像、微生物学、病理和宿主风险因素组合起来。不同患者的菌量和取样部位差异很大，因此阴性结果的解释依赖检测灵敏度和临床先验概率。

症状的预测价值：咳嗽 >2 周作为筛查症状的灵敏度在不同研究中差异大（活动性 TB 中约 60%–90% 阳性），特异度低（其他肺病也咳嗽）——症状是"启动检测的触发器"而非诊断依据。HIV 共感染与儿童中症状更不典型。发热、盗汗、体重下降三联在低流行地区特异度较高；高流行地区无数非 TB 疾病也可引起。

2. 肺结核

2.1 症状与体征

常见表现包括持续咳嗽、咳痰、发热（常为午后低热）、夜间盗汗、体重下降、乏力和咯血，但早期或低菌量患者可能症状轻微甚至无症状（主动病例发现中约 25%–50% 的培养阳性病例无症状或症状轻微）。

• 咯血：可从痰中带血至大咯血（空洞中 Rasmussen 动脉瘤破裂可致命）。
• 胸痛：胸膜受累时出现锐痛。
• 儿童特点：常表现为不满、生长迟滞、发热、咳嗽，空洞少见（播散与淋巴结型多见）；<5 岁进展与播散风险高。

2.2 影像学

胸部 X 线：

• 典型成人原发后肺 TB：上叶尖后段、下叶背段浸润，可伴空洞。
• 空洞通常提示菌量大（每 mL 痰 10⁵–10⁷ CFU）、传染性强、治疗后复发风险升高。
• 粟粒性 TB：双肺均匀分布 2–3 mm 结节。
• HIV/免疫抑制：下叶、弥漫性浸润、淋巴结肿大更常见，空洞反而少见（免疫越差、影像越"非典型"）。
• CXR 灵敏度约 60%–90%（取决于读片人与菌量），特异度有限——CAD 辅助读片（如 qXR、Lunit INSIGHT CXR）已获 WHO 推荐（有条件）用于筛查，可减轻人力瓶颈，但阳性仍需微生物学确认。

胸部 CT：更敏感，可发现 CXR 隐匿病灶（树芽征 tree-in-bud 提示支气管内播散、空洞壁细节、早期粟粒病变），用于不确定病例与肺外评估。

2.3 病原学阴性（菌阴）肺结核

约占肺结核的 30%–50%（高 HIV 地区更高）。诊断依赖：影像 + 症状 + TST/IGRA + 排除其他病 + 试验性治疗反应。菌阴病例仍有传播力（约为涂阳者的 1/4），不能视为"不传染"。

3. 肺外结核

肺外结核约占全部结核的 15%–25%（HIV 中比例更高）；常菌量低、涂片/分子检测阴性率高，组织学+培养仍是支柱。

要点：肺外 TB 诊断延迟普遍更长（数月）；任何"慢性无痛性破坏+低热消耗"综合征都要想到 TB。

4. 病理过程

典型组织学可以看到肉芽肿、上皮样细胞、朗汉斯巨细胞、干酪样坏死和不同程度的炎症浸润，但病理表现受宿主免疫状态、器官、病程和治疗影响。

肉芽肿的动态演变（连接 〔04_宿主免疫、肉芽肿与病理机制〕）：

早期感染灶（2–3 周）
  巨噬细胞涌入 → 未成熟肉芽肿（细菌仍在胞内外复制）
    ↓
  获得性免疫到达（~4–6 周，Mtb 特异性 T 细胞迁入）
  上皮样细胞 + 朗汉斯巨细胞 + 淋巴细胞包绕 → 成熟肉芽肿
    ↓
  分支一：控制/纤维化 → 钙化灶（Ghon 复合体/Ranke 复合体）
  分支二：中央干酪样坏死扩大 → 液化 → 空洞形成
    ↓ 液化物破入气道 = 极高菌量 + 排菌
  支气管内播散 + 传播性气溶胶

• 干酪样坏死（caseous necrosis）：肉芽肿中央的脂质丰富坏死物，"像干酪"而得名；肉芽肿内低氧、酸性、营养缺乏、NO⁺环境迫使细菌进入持留态。
• 影像-病理对应：原发综合征 = 肺原发灶 + 引流淋巴结炎 + 淋巴管炎；继发 TB 多位于肺尖（推测与氧分压高、淋巴回流慢、免疫清除效率低有关）。
• 免疫决定形态：免疫健全者肉芽肿结构完整；HIV/极度营养不良者常为"乏细胞肉芽肿"甚至大片干酪化无明显肉芽肿结构，菌量巨大。

5. 临床分型

• LTBI 与活动性 TB
• 肺结核与肺外结核
• 菌阳性（涂阳/培阳/分子阳性）与菌阴性
• 初治、复治和复发（注意 WHO 新框架已逐步弱化"复治"分类，改为按耐药风险个体化）
• 药物敏感、利福平耐药（RR）、耐多药（MDR = 至少耐 INH+RIF）、pre-XDR（RR+耐任意氟喹诺酮）、XDR（pre-XDR + 耐贝达喹啉或利奈唑胺；WHO 2021 新定义，见 〔06_耐药、药敏与基因型预测〕）
• 局限性、空洞性、播散性和重症结核
• HIV 相关结核和免疫重建炎症综合征（IRIS）：ART 启动后数周内免疫恢复导致对存留 Mtb 抗原的剧烈炎症反应；TB-IRIS 发生率约 10%–30%（CD4 极低者更高），表现为发热、淋巴结肿大、肺部浸润加重；治疗为皮质激素（重症）+ 继续 ART

中国行业标准分类（WS 288—2017《肺结核诊断》）：按病变部位（肺/结核性胸膜炎/肺外）、病原学结果（涂片/培养/分子）、有无耐药分层，用于报告管理，与 WHO 分型并存使用。

6. 特殊人群

• 儿童（<15 岁）：菌量常较低，咳痰困难（用胃液抽取/诱导痰/粪便分子检测）；<5 岁播散与脑膜炎风险最高；体重不增/生长迟滞常是唯一线索。儿童 TB 是成人池的"哨兵"——儿童近期感染率高提示社区活跃传播。
• 老年人：症状和影像可能不典型（下叶浸润易误诊为肺炎），共病与药物不良反应更多，多种药物相互作用（利福平是强 CYP 诱导剂）。
• HIV 感染者：免疫状态影响临床表现，CD4 越低越常出现肺外/播散性病灶、非典型影像（中下叶浸润、淋巴结肿大、无空洞）；CD4<200 时 TST 假阴性率升高（免疫无反应性 anergy）。所有 HIV 患者应常规筛查 TB。
• 糖尿病：增加发病 2–3 倍、治疗不良结局和复发风险；影像上空洞更多、下叶受累更常见。
• 营养不良：既是病因也是结果（TB 消耗）；BMI<18.5 风险约 2–3 倍，重度营养不良儿童 TB 死亡率显著升高。
• 免疫抑制患者（移植、TNF 抑制剂、化疗）：需结合用药时间和免疫恢复情况判断；TNF 抑制剂启动前必须筛查 LTBI。
• 孕妇：标准一线方案（除注射剂与链霉素）可用；未治疗 TB 对母婴的危害大于药物风险。

7. 临床研究终点

应提前定义：

• 症状改善
• 影像学改善
• 痰培养转阴时间（time to culture conversion, TCC）：2 个月培养阴转是传统替代终点（预测远期复发），但替代终点价值有限，重要试验已转向长期结局
• 分子学菌量变化（Xpert CT 值、MTB-RNA 半定量）
• 潜伏期终点：治疗成功（WHO 定义：治愈+完成）/ 失败 / 失访 / 死亡 / 复发（复发需 WGS 区分内源复发 vs 外源再感染）
• 肺功能和长期生活质量（TB 后遗留肺损伤 TLD, post-TB lung disease：约 1/3–1/2 治愈者遗留不同程度肺结构与功能损害）

只用"炎症指标下降"作为治疗成功，证据通常不足。

8. 与生物标志物研究的联系

研究血液、痰液或 EV 标志物时，病例定义必须清楚：活动性 TB 是否由培养/分子检测确认，药敏是否由 DST 确认，健康对照是否排除了潜伏感染，非 TB 者病是否包含肺癌、肺炎和支气管扩张等。否则模型学到的可能是"病例来源"或"炎症程度"，而不是结核本身。

最小对照集建议：健康（IGRA 阴性）/ LTBI（IGRA 阳性无症状影像阴性）/ 活动性 TB（培养或分子确认）/ 疾病对照（肺炎、肺癌、COPD 加重、NTM 病）。缺少 NTM 病对照是 TB 标志物研究的高频缺陷——LAM、脂质抗原等靶点与 NTM 存在交叉反应可能。

9. 参考来源

• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.
• Zumla A, et al. N Engl J Med. 2013;368:745–755. DOI.
• WHO. Consolidated guidelines on tuberculosis, module 2: screening.
• WHO. Consolidated guidelines on tuberculosis, module 4: treatment and care.
• 国家卫生行业标准 WS 288—2017《肺结核诊断》。

Mtb 结构、分子生物学与代谢

1. 细菌学定位

Mtb 属于结核分枝杆菌复合群（MTBC），是生长缓慢、富含脂质细胞壁、可在宿主细胞内生存的病原体。它的细胞壁、代谢可塑性和应激适应能力共同造成了慢性感染、药物进入困难和治疗疗程长等特征。

基本生物学参数（考试/科研常查数字）：

进化要点：MTBC 不是"逐渐变毒"的典型病原——基因组分析显示其共同祖先约 4,000–6,000 年前已具备现代毒力，且进化方向主要是基因丢失（如 M. bovis 丢失 katG 等导致的宿主适应差异）。H37Rv 与 H37Ra（减毒株）仅差 60 余个变异，提醒我们毒力是精细调控的结果。MTBC 全球分为约 9 个主要谱系（L1–L9），L2（含 Beijing）、L4 传播最广（详见 〔08_Mtb基因组学与基因图谱〕）。

2. 细胞壁

2.1 分层结构（由内向外）

细胞膜
  │
  肽聚糖 peptidoglycan（N-乙酰葡糖胺 + N-乙酰胞壁酸，含内消旋二氨基庚二酸 mDAP）
  │ ← 共价连接
  阿拉伯半乳聚糖 arabinogalactan（AG）
  │ ← 酯键连接于末端
  分枝菌酸 mycolic acids（α-烷基-β-羟基长链脂肪酸 C60–C90）
  ═════════════════════════════════
  ↑ 以上共价复合体 = "核心骨架"（mAGP 复合物）
  ────────────────────────────────
  ↑ 以下非共价插入的"游离"capsule/膜外侧脂质与多糖：
  PDIM（海藻糖二蜡样酸以外的毒力脂质）
  DAT / PAT / DAT2 家族糖脂
  Sulfolipid SL-1
  脂阿拉伯甘露聚糖 LAM（大分子糖脂，伸向胞外）
  海藻糖单蜡样酸 TMM / 二蜡样酸 TDM（索状因子 cord factor）
  脂蛋白（LprG、LprA 等，TLR2 配体）
  分枝菌素 mycobactin（螯铁载体）

2.2 关键分子的功能与免疫意义

• 分枝菌酸（mycolic acids）：Mtb 细胞壁疏水性的来源，形成类"外膜"结构，是抗生素通透屏障的物理基础。分为 α-分枝菌酸（约 C80，最多）、甲氧基与酮基分枝菌酸（C85–C100）。INH 抑制其合成（inhA 途径→脂肪酸延长酶 FAS-II）→ 细胞壁完整性崩解。
• 海藻糖二蜡样酸（TDM，索状因子）：毒力标志分子，毒性多功能：诱导肉芽肿形成、促炎细胞因子（经 Mincle 受体）、线粒体损伤、影响胆固醇累积。
• LAM（脂阿拉伯甘露聚糖）：分嵌合型（AraLAM）与非嵌合型——Mtb LAM 以末端甘露糖帽（ManLAM）为主，可结合巨噬细胞甘露糖受体、抑制吞噬体成熟（阻断 Ca²⁺/钙调蛋白信号）、下调炎症；非帽型 LAM（NTM 中）免疫抑制较弱。ManLAM 及游离 LAM 是尿液 LAM 诊断检测的靶标（见 〔05_结核病诊断体系〕）。
• PDIM（苯二甲酸二蜡样酸酯）：毒力所必需的非共价脂质，参与吞噬体逸出前的膜相互作用、阻断 TNF 介导的宿主防御反应（抑制 TNF 诱导的巨噬细胞坏死）；PDIM 缺失突变体在体外传代中高频发生（体外培养丢失毒力的重要原因之一，实验室需警惕）。
• 脂蛋白：TLR2 强配体，激发先天免疫与炎症。
• ESAT-6/CFP-10：非经典分泌蛋白，见 §3。

2.3 细胞壁与药物：化疗的分子地图

细胞壁不完整（INH 作用后）→ 细胞壁通透性反而增加（"致敏"现象）→ 联合用药协同的机制之一。

3. 分 Secretion 系统和毒力

3.1 ESX/T7SS（Type VII secretion system）

Mtb 缺乏经典的 I–VI 型分泌系统，使用独特的 ESX 系统（5 个位点：esx-1 至 esx-5）输出 PE/PPE 家族与 WXG100 家族蛋白：

• ESX-1：输出 ESAT-6（EsxA）与 CFP-10（EsxB）——吞噬体膜损伤与胞质逸出的关键（Mtb 与 BCG 的核心差异之一：BCG 缺失 RD1 区域即 esx-1 的一部分，这正是 BCG 减毒的分子基础）；ESX-1 活性也是 STING 通路（胞质 DNA 感应）被激活的前提（逸出后 Mtb DNA 泄漏入胞质）。
• ESX-3：铁/锌稳态（与螯铁载体系统偶联）。
• ESX-5：输出 PE/PPE 蛋白（Mtb 特有大家族），影响免疫识别与毒力。
• esx-2/esx-4：功能研究较少。

3.2 毒力因子的全景（精选）

• PhoPR 双组分系统：全局毒力调节子（感知 pH/Cl⁻），控制 ESX-1、脂质合成；phoP 突变是减毒活疫苗株 MTBVAC 的基础。
• Mce 操作子（1–4）：入侵/存活于巨噬细胞相关。
• PtpA/PtpB：蛋白酪氨酸磷酸酶，干扰宿主吞噬体与免疫信号。
• NuoG/SodA/KatG：抗氧化（分别针对超氧化物/过氧化物）。
• eis：增强胞内存活（与 AMK 低水平耐药相关）。
• Rv3377c-Rv3378c（Rv3378c 酶产物 1-TbAd）：生成结核腺苷（1-tuberculosinyladenosine），溶酶体功能抑制剂。

3.3 研究中要区分

• 基因表达变化
• 蛋白或脂质释放
• 细胞内定位变化
• 宿主功能改变
• 对动物或临床疾病结局的真正影响

证据链举例：ESAT-6 早在 1980 年代即被鉴定（培养滤液蛋白），但其"致病必需"地位是通过 RD1 缺失→毒力丢失→回补→毒力恢复的遗传学闭环确立的。PE/PPE 家族功能争议大，很多"免疫调节"结论停留在体外相关层面。

4. 代谢

4.1 碳源和脂质代谢

Mtb 可以利用宿主来源脂质和其他碳源；脂质代谢与细胞壁合成、持留和药物敏感性相互关联。

• 宿主体内碳谱：免疫学上限制葡萄糖，肉芽肿环境中主要碳源是脂肪酸与胆固醇（宿主胆固醇在感染灶堆积，Mtb 可将其完整降解）。
• 关键代谢节点：
• 三羧酸循环 + 乙醛酸支路（glyoxylate shunt）：异柠檬酸裂解酶 ICL（icl 基因，同时是甲基柠檬酸循环酶）在脂肪酸碳源下必需——icl 突变株在巨噬细胞和小鼠中显著减毒（首个证明"代谢酶=毒力因子"的标杆工作，McKinney 2000 Nature）。
• 甲基柠檬酸循环：利用丙酸（胆固醇侧链降解产物），需要 PrpC/PrpD 与 ICL 的双功能。
• 胆固醇代谢：hsa 操作子、igr 操作子等 ~82 个基因参与；胆固醇降解中间体丙酮酸进入中心代谢。
• Mce4 转运体：胆固醇摄取。
• 乙酸化代谢切换：体外葡萄糖培养基中生长的 Mtb 进入巨噬细胞后需整体切换到脂肪酸/胆固醇利用——体外药敏（如 RIF、INH 对复制菌强）与体内持留菌药物敏感性的差异部分源于此代谢状态差。

4.2 氧化还原和应激

Mtb 需要应对活性氧（ROI）、活性氮（RNI）、低 pH、缺氧、营养限制和抗菌药物压力。应激响应网络影响生长、修复、休眠和复苏。

• DosR/S/T 双组分系统（DevRS）：感应低 O₂/NO/CO（DosS 为 O₂/NO 感应器，DosT 为低 O₂ 感应器），启动 DosR 调节子（~48 个基因）驱动休眠程序（hspX/acr、fdxA、narK2 等）——Wayne 休眠模型的核心分子对应。
• 抗氧化层：KatG（过氧化氢酶-过氧化物酶，INH 激活所需）、AhpC（烷基氢过氧化物还原酶）、SodA/SodC（超氧化物歧化酶）、peroxiredoxin 系统。NADH/NAD⁺ 平衡（Ndh/NdhA）与 INH 耐药相关。
• 低 pH 应答：PhoPR 感应；镁转运 MgtC；质子泵维持胞质 pH 稳态；vATPase 靶向药物（如 BDQ 影响能量）。
• 应激的"双向需求"：适度应激反应是持留与耐受的基础（药物靶点仍在但细菌代谢放缓→药物依赖复制/代谢的效力下降）；完全阻断应激反应又会让细菌无法在宿主内存活——这是"抗毒力/抗持留"治疗策略（靶向 DosR 等）的立论点。

4.3 铁和金属稳态

金属离子既是酶功能所需，也可能产生毒性。铁摄取、储存和氧化还原控制参与宿主内生存。

• 宿主营养免疫：宿主以铁蛋白、乳铁蛋白、NRAMP1（SLC11A1，吞噬体内二价金属外排）限制胞内铁；铁过载（如输血依赖性疾病）增加 TB 风险。
• Mtb 螯铁载体：分枝菌素 mycobactin（细胞壁结合）与羧基分枝菌素 carboxymycobactin（分泌型）从宿主铁载体和转铁蛋白夺铁；MBT 合成基因簇 + IDE 铁调节子（IdeR 阻遏/激活双向调节）。
• 分枝菌素是"绝佳药物靶点"的悖论：因为宿主没有水杨酸-螯铁载体途径——但几十年的分枝菌素合成抑制剂研发未成药，提示靶点好 ≠ 成药容易。
• 锌/铜：宿主通过金属硫蛋白、S100 蛋白毒性金属攻击；Mtb 以 P 型 ATP 酶（ctpC/ctpV）外排铜锌解毒。
• 锌饥饿的分子标记：宿主中性粒细胞颗粒中的钙卫蛋白（S100A8/A9）螯合锌锰——脓/肉芽肿中 Mtb 处于锌饥饿状态，锌饥饿应答蛋白（如 ZnuABC）表达上调可作为感染状态的"分子温度计"。

5. 休眠、持留和耐受

• 休眠 dormancy：代谢和增殖下降的状态，通常伴随对部分药物敏感性降低（非遗传）。
• 持留 persistence：群体中少数细胞在药物压力下存活（杀灭曲线出现双相：快杀→平台期），可能不等于遗传耐药。
• 耐受 tolerance：同一基因型在不同状态下（如低代谢、pH 应激、抗菌药物暴露史）表现出不同药物存活能力，可遗传回敏感型。
• 耐药 resistance：通常指可遗传的、使药物敏感性改变的机制（突变/水平基因获得）。

实验室休眠模型（了解适用范围）：

药敏关联：INH/RIF 对活跃复制菌强；PZA 对酸性环境胞内菌独特有效（见 〔07_抗结核治疗、药理与临床管理〕）；BDQ/利奈唑胺对持留菌也有活性——治疗方案的"覆盖谱"实际上是对不同生理状态亚群的覆盖。

6. Mtb与巨噬细胞

Mtb 可以进入肺泡巨噬细胞并影响：

• 吞噬受体：补体受体（CR3 为主）、甘露糖受体（结合 ManLAM）、FCγ 受体、Sp-A/D 表面活性蛋白——不同受体决定内吞后命运（炎性 vs 非炎性内吞）。
• 吞噬体成熟和酸化：Mtb 通过 ManLAM 阻断 V-ATPase 募集、PtpA 干扰 Rab 效应、SapM（磷酸酶）水解 PI3P，阻止吞噬体-溶酶体融合（"逍遥吞噬体"）。
• 自噬：Mtb 多手段抑制（ESX-1 依赖的 mTOR 通路上调等）；维生素 D 通路诱导自噬是宿主治疗方向之一（详见 〔04_宿主免疫、肉芽肿与病理机制〕）。
• 抗原加工与呈递：吞噬体停滞影响 MHC-II 加工；Mtb 也直接下调 MHC-II 表达（如 19-kDa 脂蛋白经 TLR2 抑制 IFN-γ 诱导的 MHC-II）。
• 炎症小体：ESX-1 依赖的胞质 DNA → cGAS-STING → I 型 IFN（具体促病理）；NLRP3 炎症小体激活在感染早期保护性、慢性期病理性（IL-1β 与 eicosanoid 平衡决定坏死 vs 凋亡）。
• 细胞死亡方式：凋亡（宿主保护性，APoptosis 关联抗原交叉呈递）vs 坏死（细菌播散友好）；LprG/PDIM 等影响死亡方式选择；坏死性凋亡、焦亡、铁死亡均有证据参与，不同感染阶段主导方式不同。
• 脂滴和细胞代谢：感染巨噬细胞堆积脂滴（泡沫样变），Mtb 以脂滴为碳源库；宿主胆固醇代谢（ACAT、LXR）与脂肪酸氧化平衡影响胞内菌存活。

要证明某个分子参与功能，最好使用基因扰动、互补、药理阻断、定位和感染表型，而不是只做表达相关性。

7. 经典基因组入口

Cole 等人在 1998 年发表了 Mtb H37Rv 完整基因组序列，是现代 Mtb 基因组学和功能研究的基础入口。Nature, DOI:10.1038/31159

H37 系小史：H37 原 1905 年分离；H37Rv（virulent）与 H37Ra（avirulent）为 1935 年传代分化。注意绝大多数实验室结论来自 H37Rv/Erdman 及少数临床株（如 CDC1551、HN878），谱系差异（L1–L9）在毒力、脂质谱、免疫诱导上均有报告，研究外推需谨慎（见 〔08_Mtb基因组学与基因图谱〕）。

8. 研究设计提示

• 体外培养条件不能完全代表肉芽肿或肺部微环境（7H9 + 葡萄糖 + 吐温 ≠ 肉芽肿：脂肪酸碳源、低氧、NO、低 pH、铁限制）。
• H37Rv、临床分离株、BCG 和不同谱系不能简单互换。
• 细胞壁和脂质提取物可能含有多种成分，纯度与剂量必须说明（"Mtb 脂质刺激巨噬细胞"的结果对脂质配比极其敏感）。
• 对宿主细胞的毒性、菌量、感染时间和 MOI 需要同时报告（MOI 1:1 与 10:1 的巨噬细胞应答截然不同）。
• 传代培养可能选择性地丢失 PDIM 等毒力表型——感染实验前应验证菌株毒力标记。

9. 参考来源

• Cole ST, et al. Nature. 1998;393:537–544. DOI.
• Russell DG, Barry CE 3rd, Flynn JL. Science. 2010;328:852–856. DOI.
• McKinney JD, et al. Nature. 2000;406:735–738. DOI. （ICL 与持留）
• Ehrt S, Rhee K. Curr Opin Microbiol. 2013;16:322–328. （Mtb 代谢综述）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.

宿主免疫、肉芽肿与病理机制

1. 免疫问题的核心

结核免疫的目标不是简单地"增强免疫"，而是在控制 Mtb 与减少组织损伤之间取得平衡。强炎症可能限制细菌，也可能造成肺部结构破坏；过度免疫抑制则可能导致细菌扩增和播散。

总开关式理解：保护性免疫 ≈ Th1/IFN-γ/巨噬细胞活化 + 平衡的脂质介质（PGE₂）+ 细胞死亡偏凋亡；病理性免疫 ≈ I 型 IFN/IL-1 失衡 + LTB₄/DNA 释放 + 细胞死亡偏坏死。免疫干预（检查点、细胞因子）本质上是在这条天平上挪砝码，双向都可能翻车。

2. 先天免疫

2.1 细胞

• 肺泡巨噬细胞（AM）：最早遭遇 Mtb 的细胞（每肺泡约有数十个）；吞噬后命运二分：活化杀灭（活性氮/铁限制/自噬）或允许胞内复制（Mtb 主动改造吞噬体，见 〔03_Mtb结构、分子生物学与代谢〕 §6）。AM 死亡释放细菌 → 募集单核/中性粒细胞。
• 单核细胞和髓源抑制细胞（MDSC）：感染后大量涌入（血液单核计数升高是活动性 TB 特征之一）；可分化为感染灶巨噬细胞或表型抑制细胞（Arg1⁺/iNOS⁻），后者抑制 T 细胞应答。
• 树突状细胞（DC）：抗原呈递和 T 细胞启动（迁移至引流淋巴结）。关键延迟：Mtb 特异性 T 细胞启动需 2–3 周（远慢于急性病毒感染的数天）——这个"免疫空窗"是原发感染早期菌量扩增的原因；DC 的 ESCIT/迁移效率、凋亡小体交叉呈递（MHC-I）决定 CD8 启动质量。
• 中性粒细胞：早期大量涌入（病理切片中 neutrophil-rich 病变与活动性、高菌量相关）；双刃剑——NET、ROS、颗粒酶辅助抗菌 vs 组织破坏与细菌扩散（人基因研究发现中性粒细胞模块高表达与活动性 TB 相关）。
• NK 细胞：细胞毒性（perforin/granzyme）与细胞因子（IFN-γ）；与 γδ T 细胞（Vγ9Vδ2 识别磷酸化抗原 HMBPP）同为"快反应"先天样效应者。
• 非常规 T 细胞：黏膜相关不变 T 细胞（MAIT，MR1 限制，识别核黄素代谢物）在肺 TB 中被招募/活化，功能意义仍在研究。
• 先天免疫记忆（trained immunity）：BCG 训练免疫（NK/单核表观重编程 H3K27ac）解释 BCG 非特异性保护效应。

2.2 受体和通路

• TLR：TLR2（脂蛋白、LAM 结构）、TLR4（未知配体争议）、TLR9（CpG DNA）。MyD88 缺陷 → 小鼠高度易感（MyD88 通路整体必要）；但人类 MyD88/IRAK4 缺陷主要表现为化脓性感染而非严重 TB——小鼠数据外推到人的经典警示案例。
• NOD 样受体：NOD2 识别肽聚糖片段（胞内）；NLRP3 炎症小体（ASC/caspase-1/IL-1β/IL-18）——IL-1 通路在人与小鼠中均必要（IL1R1/接头蛋白缺陷→播散性分枝杆菌病）。
• cGAS-STING：ESX-1 介导 Mtb DNA 入胞质 → cGAS 感应 → STING → TBK1/IRF3 → I 型 IFN（IFN-β）。I 型 IFN 在 TB 中主要促病理（与保护性免疫相反！）：高 I 型 IFN 信号是人活动性 TB 血液转录组 signature 的核心模块；机制涉及 IL-1 抑制、淋巴细胞减少。
• 炎症小体：NLRP3/非经典（caspase-4/5）识别；IL-1β vs Type I IFN 平衡决定巨噬细胞死亡方式（IL-1R 信号 → PGE₂ → 凋亡；I 型 IFN → LTB₄/type I IFN → 坏死）。
• 自噬和细胞死亡：自噬（ATG 基因、IRGM）限制胞内菌；死亡方式结局：凋亡（限制菌+交叉呈递）vs 坏死（释放菌）；焦亡（GSDMD 孔洞）、坏死性凋亡（MLKL）、铁死亡（脂质过氧化，FSP1/GPX4）均有 TB 相关证据。
• I 型和 II 型干扰素通路：I 型（见上，促病理）；II 型（IFN-γ，见 §3.1，保护性）。两者互相拮抗——这是理解 TB 免疫的钥匙之一。

3. 适应性免疫

3.1 CD4+ T 细胞

Th1 细胞产生 IFN-γ 和 TNF，促进巨噬细胞抗菌（iNOS/NO、吞噬体成熟、铁限制）。Th17 参与黏膜炎症和细胞募集。Treg 可能限制免疫病理，但也可能降低细菌清除。

必需性的临床遗传学证据（比任何小鼠实验都硬）：

• IFN-γ 通路缺陷（IFNGR1/IFNGR2/STAT1 缺陷）→ 重症分枝杆菌病（含 BCG/环境分枝杆菌），称 MSMD（Mendelian susceptibility to mycobacterial disease）。
• IL-12 通路缺陷（IL12B/IL12RB1/STAT4）→ 同样表型（IL-12 是 Th1 分化与 IFN-γ 产生的必需上游）。
• NEMO/IKBKG、CYBB（慢性肉芽肿病）、GATA2、ISG15、STAT3（Hyper-IgE） 等缺陷也含分枝杆菌易感表型。
• 携带这些缺陷的个体打 BCG 可致播散性 BCG 感染——新生儿筛查免疫缺陷前接种 BCG的风险权衡。

CD4 T 细胞效应的"质量"维度：

• 多功能性（polyfunctionality）：单个细胞同时产 IFN-γ/TNF/IL-2 的"三阳"比例与保护相关（HIV/TB 队列中三阳比例高的接触者感染风险低——Sutherland 组工作）。
• 组织驻留记忆（T_RM）：肺驻留 CD4（CD69⁺CD103⁺）与小鼠气道保护直接相关；血液指标≠肺局部保护——疫苗设计的核心教训。
• TCR 库限制：Mtb 特异性 CD4 TCR 库（尤其 ESAT-6 特异性）相对寡克隆/公共库，可能限制表位覆盖。
• CD4 缺失（HIV）：TB 风险随 CD4 计数下降而升高；CD4<200 时肺外/播散性 TB 比例大增——CD4:巨噬细胞轴是 TB 免疫的中枢。
• Th17/Treg 平衡：Th17（IL-17A）招募中性粒细胞，过度 → 组织损伤；Treg（FoxP3⁺）限制炎症也限制清除；活动性 TB 常见 Treg 比例升高。
• TNF 的双重性：TNF 是肉芽肿维持核心（见下）；抗 TNF 治疗再激活 TB（英夫利西单抗风险最高）——既证明 TNF 保护性，又说明其炎症代价。

3.2 CD8+ T 细胞

可通过细胞毒性（perforin/granzyme B、Fas-FasL）、细胞因子（IFN-γ/TNF）和抗原识别（MHC-Ia、MR1、CD1）参与控制感染。CD8 功能不能只用一个表面标志物评价，应加入杀伤、增殖和多功能细胞因子读出。

• 交叉呈递通路：凋亡感染细胞被 DC 摄取 → MHC-I 交叉呈递 Mtb 抗原（ESAT-6、Ag85 等）。
• CD1 限制 T 绔胞：CD1b 递呈分枝菌酸/LAM 脂质抗原给 T 细胞（脂质特异性 T 细胞，germline-encoded mycolyl-reactive, GEM T 细胞）——TB 疫苗脂质抗原路线的基础。
• CD8 应答在血行播散与气道感染保护中作用突出（猕猴 CD8 耗竭实验）。

3.3 B细胞和抗体

B 细胞参与抗原呈递、组织结构（滤泡样结构在肉芽肿/引流淋巴结中出现）和抗体反应。抗体是否能在具体结核场景中提供足够保护，取决于抗原、亚型、组织分布和效应机制。

• 血清流行病学：活动性 TB 患者抗 PPD/LAM 抗体升高，但保护相关性弱——长期"TB 无体液免疫"的印象来源。
• 再评价：近年研究发现抗体 Fc 效应功能（ADCC、调理吞噬）与疾病状态相关（无症状潜伏 vs 活动性 TB 的抗体 glycosylation 谱不同）；静脉免疫球蛋白被动转移在动物模型中部分有效。B 细胞区划缺失（μMT 小鼠）影响肉芽肿组织结构。
• 结论框架：抗体既非充分也非全无——可能是"调节性与效应性并存"，正在被疫苗设计重新纳入（如 M72/AS01 的抗原虽是蛋白，佐剂设计强力驱动 T 细胞同时保留抗体）。

4. 肉芽肿

肉芽肿是多种免疫细胞、基质细胞和细菌微环境构成的动态结构。它可能：

• 限制细菌扩散
• 促进局部免疫协作
• 形成低氧、低营养环境
• 促进细菌持留
• 在坏死、液化和空洞形成时促进传播

组成分层（人肺 TB 肉芽肿，经典描述）：

外周：纤维包膜（成纤维细胞、胶原）+ 淋巴细胞袖套（CD4/CD8/B）
中层：上皮样细胞（活化巨噬细胞，胞质丰富）+ 朗汉斯多核巨细胞
中央：干酪样坏死（无细胞、脂质与核酸碎片、残留菌）
特殊结构：肉芽肿内血管（肉芽肿相关脉管系统，供养也带菌）
         B 细胞滤泡样聚集（肺 TB 特征，围绕肉芽肿）

关键现代认识：

• 不同步性：同一肺内肉芽肿处于不同阶段（含菌量可差 10⁶ 倍）；PET-CT/猕猴 studies 显示同一宿主肉芽肿代谢活动差异巨大——"平均免疫应答"描述不了结核。
• 细菌空间分布：旧模型认为菌只在坏死中心；新成像显示菌位于肉芽肿外缘细胞区（人肺组织 FISH+免疫染色），与宿主细胞直接接触。
• 肉芽肿失败的模式：中心液化 → 破入气道 → 空洞 → 咳出高菌量痰。空洞壁是"细菌工厂"（液化营养物 + 氧气经气道弥散入空洞支持胞外复制）。
• 肉芽肿的"双面性"：Blesso 蚊/斑马鱼与猕猴研究均显示：肉芽肿形成早期可促进细菌细胞间播散（感染巨噬细胞凋亡→邻近吞噬"播种"）——"肉芽肿=保护"是过度简化。
• 肉芽肿类型与传染性：干酪性/空洞型肉芽肿与痰菌量正相关；纤维化/钙化灶多为"控制态"。
• 跨组织对比：肺（气-组织界面、空洞倾向）vs 淋巴结（B 滤泡丰富）vs 脾/肝（小肉芽肿）——器官微环境决定肉芽肿表型。

5. T细胞功能障碍的评价

如果要研究"功能障碍"或"耗竭"，至少应考虑：

• 抗原或 TCR 刺激后的反应（IFN-γ/TNF/IL-2 单细胞水平）
• 增殖（CFSE/CellTrace 稀释、Ki-67）
• IFN-γ、TNF、IL-2 等多功能细胞因子（ICS + polyfunctionality 分析）
• 细胞毒性（granzyme B、CD107a 脱颗粒、杀伤读出）
• 代谢状态（线粒体质量/膜电位、糖酵解/氧化磷酸化、mTOR）
• DNA 损伤或衰老状态（γH2AX、p16、CD57）
• 细胞死亡（Annexin V、caspase 活性）
• 阻断或去除刺激后的可逆性（PD-1 抗体阻断逆转实验）

PD-1、TIM-3、LAG-3 等标志物只能作为状态线索，不能独立证明完整的功能性耗竭。

TB 中 T 细胞耗竭的证据现状（与你研究方向直接相关）：

• 活动性 TB（尤其空洞、高菌量、HIV 共染）中 Mtb 特异性 T 细胞 PD-1^hi/TIM-3^hi 表型升高、增殖与细胞因子多能性下降——多家报告一致。
• 但与肿瘤/慢性病毒感染不同：TB 的 T 细胞功能障碍更"可逆"（治疗后多数功能参数恢复）；PD-1 通路在 TB 中甚至有保护面（PD-1 KO 小鼠对 Mtb 更易感、PD-1 阻断在 NHP 中加重病变）——炎症病理与效应功能在天平两端。
• HIV/TB 共感染中，ART 后 TB-IRIS 的 T 细胞活化暴发与高菌量抗原库共同存在，是研究"免疫重建下 T 细胞功能再校准"的临床窗口。
• 分子机制候选：TOX（耗竭主转录因子）在 TB 中的证据尚弱；NR4A（Nur77）家族与 T 细胞无能相关；代谢-表观耦合（乳酸堆积→组蛋白修饰锁定）是热点。

6. 免疫调节的安全边界

感染中的免疫增强、检查点阻断或细胞因子干预必须同时观察：

• 菌负荷（CFU、分子菌量）
• 组织病理（病变范围、坏死程度）
• 肺部结构损伤（影像、肺功能）
• 传播性（气溶胶回收）
• 体重和生存
• 炎症因子和器官毒性

体外"恢复 T 细胞功能"只说明可能存在机制，不能直接写成治疗方案。

历史警示案例：

• 地塞米松辅助治疗：HIV 阴性 TB 脑膜炎可改善生存（明确获益）；但普适免疫增强需谨慎。
• 抗 TNF 制剂：类风湿治疗中 TB 再激活（风险比 1.5–25 倍，制剂依赖）。
• PD-1 阻断：肺癌合并潜伏 TB 治疗中出现 TB 再激活报告；NHP 模型 PD-1 阻断加重 TB。
• I 型 IFN：本是"抗病毒免疫明星"，在 TB 中促病理——细胞因子干预必须疾病特异评估。
• 细胞内 GMPc 兴奋剂/磷酸二酯酶抑制剂等"代谢免疫调节"：多为体外/动物阶段，尚未临床转化。

7. 与EV研究的联系

Mtb 感染可能改变宿主细胞释放 EV 的数量、来源和 cargo。EV 也可能影响巨噬细胞、树突状细胞和 T 细胞。但要区分：

• EV 携带的分子是否真正进入受体细胞（共定位、摄取抑制实验）
• 受体细胞是否发生功能改变（不止标志物，要功能读出）
• 功能改变是否影响菌量或病理
• 观察结果是否由可溶性污染物、细胞碎片或炎症背景造成

TB-EV 的既有生物学线索（均需按证据分层标注）：

• 感染巨噬细胞释放的 EV 富含 Mtb 成分（LAM、脂蛋白、蛋白片段）并可递送至受体细胞（直接 TB 证据，体外）。
• EV 携带 Mtb DNA/RNA 可激活 cGAS-STING/RIG-I 样受体（体外直接证据）。
• 血清/血浆 EV 中 Mtb lipoarabinomannan（LAM）或 Mtb 特异性 sRNA 作为诊断靶点（临床观察性研究，多数单中心）。
• EV 影响未感染巨噬细胞活化状态、T 细胞增殖与细胞因子（体外，剂量与纯度敏感）。
• 肿瘤领域 EV 诱导 T 细胞功能障碍（PD-L1⁺ EV 等）机制不可直接移植为 TB 事实——需 TB 场景内验证（类比证据，见 〔13_研究设计、证据分层与临床转化〕）。

8. 参考来源

• Flynn JL, Chan J. Annu Rev Immunol. 2001;19:93–129. DOI.
• O'Garra A, et al. Annu Rev Immunol. 2013;31:475–527. DOI. （TB 免疫综述里程碑）
• Russell DG, Barry CE 3rd, Flynn JL. Science. 2010;328:852–856. DOI.
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.
• Cambier CJ, Falkow S, Ramakrishnan L. Cell. 2014;159:367–369. （肉芽肿促进播散）
• Silva Miranda M, et al. F1000Prime Rep. 2012;4:25. （TB 免疫综述开放获取）

结核病诊断体系

1. 诊断不是一个问题

结核诊断应先明确目标：感染筛查、活动性疾病诊断、菌种确认、耐药判断、疗效监测还是复发判断。不同目标对应不同样本、检测和证据门槛。

目标 → 工具速查：

2. 样本决定上限

2.1 呼吸道样本

• 自然痰（晨痰 ×2–3 份提高检出）
• 诱导痰（3% 高渗盐水雾化；HIV/儿童常用）
• 支气管灌洗液（BAL）/气管吸取物

样本质量、痰量、黏液、菌量、运输和保存都会影响结果。痰质量分级（Barton 分类）：唾液痰 vs 黏液脓痰，前者 AFB 检出率显著低。

2.2 肺外样本

• 淋巴结穿刺（FNA）或活检
• 脑脊液（TBM：需大体积 ≥5–10 mL 提高培养/Xpert 阳性率）
• 胸腔积液、腹水、心包积液
• 尿液（LAM 检测用；播散性 TB/HIV 中敏感）
• 骨和关节组织、其他病灶组织

肺外 TB 经常面临菌量低、样本少和取样风险高的问题。

2.3 样本前处理

• 痰去污染：NaOH（N-乙酰半胱氨酸-NaOH、NaOH-枸橼酸钠法）杀灭快生长污染菌，同时损伤活菌与核酸——去污染强度是"污染率 vs 检出率"的权衡。
• 浓缩：离心浓缩提高下游涂片/培养检出。
• 血液/血浆：主要用于宿主标志物与 EV（EDTA 抗凝；溶血是 miRNA 研究大敌）。

3. 传统病原学

3.1 涂片（显微镜）

• 原理：抗酸染色（ZN）或金胺 O 荧光染色（LED 荧光显微镜为 WHO 推荐）。
• 报告等级：阴性 / 疑似 / 1+（10–99/100 视野）→ 4+（>10/视野）；涂阳阈值 ≈ 5,000–10,000 CFU/mL 痰。
• 性能：对涂阳病例灵敏度约 60%–70%（HIV/儿童中降至 ~50%）；特异度问题：不能区分 Mtb 与 NTM（抗酸染色通用）。
• 价值：便宜、快、传染性评估（涂阳=高传染性）；TEEM（ aloud reading）与 AI 辅助读片在发展中。

3.2 培养

• 液体培养（MGIT）：平均阳性报告 10–14 天（含鉴定）；固体（Löwenstein-Jensen/LJ）3–4 周；全自动、LAB 需 BSL-3。
• 灵敏度：约 10–100 CFU/mL，是"活菌"金标准，同时提供 DST 与菌株存档。
• 地位：疗效监测金标准（2 月培养阴转）、确诊基石；但周期长、设施要求高。
• 缺点：死菌不能检出（治疗中分子阳性/培养阴性现象）。

3.3 DST/MIC

DST 测量菌株在特定药物、浓度或条件下的生长表现。MIC 是定量或半定量的敏感性指标，但解释依赖药物、平台、临界浓度和标准化条件。

• 比例法（LJ/琼脂）：耐药菌比例 ≥1% 判耐药（经典临界）。
• MGIT 960 液体 DST：WHO 认可的参考方法（RIF/INH 一线）。
• MIC 板（Sensititre MYCOTB、CRyPTIC UKMYC 板）：定量、可发现临界耐药（见 〔06_耐药、药敏与基因型预测〕）。
• 关键概念：临界浓度（critical concentration, CC）= 区分野生型与耐药群的浓度，不是临床折点；MIC 临界折点（epidemiological cut-off, ECOFF）正在由 CRyPTIC 等项目建立。

4. 分子诊断

4.1 Xpert MTB/RIF 与 Ultra（Cepheid）

• 技术：巢式实时 PCR，半定量；Ultra 升级：检测极限 ~131 CFU/mL（原 Xpert ~10 倍灵敏度提升），含 2 个多拷贝靶标（IS6110 + IS1081），样本舱内自动 DNA 提取+扩增。
• 性能（成人推定肺 TB，痰）：灵敏度 ~89%（涂阳病例 ~98%–99%；涂阴 ~70%–80%）；特异度 ~98%；RIF 耐药检出灵敏度 ~94%–96%、特异度 ~98%–99%。
• 特殊人群：儿童检出率低于成人（菌量低、采痰难）；肺外样本（淋巴结 FNA、CSF、胸腹水）灵敏度各异（CSF 单次 ~70%–80%，TBM 需大体积反复送检）；HIV 低 CD4 播散 TB 敏感度提升（菌血症/高菌负荷）。
• 局限：依赖电力设备耗材冷链；死菌 DNA 导致治疗随访假阳（不能单用 Xpert 判失败）；RIF 耐药假阳性来源：rrs 探针区沉默突变、low-level rpoB 突变、NTM（少数）。

4.2 其他分子平台

• 线性探针（LPA）：GenoType MTBDRplus（RIF+INH）、MTBDRsl（FQ + 注射类）——培养物或涂阳痰直接用；WHO 推荐作为 Xpert 后二线耐药检测。
• LAMP（TB-LAMP, Loopamp）：等温扩增、肉眼判读（浊度/荧光）， microscopy 中心级替代；不需热循环仪，现场友好。
• 数字 PCR（dPCR）：分区泊松统计绝对定量；低丰度靶标（CSF、血液 Mtb DNA、EV 内核酸）研究利器；临床常规应用未普及。
• 靶向 NGS（tNGS）：多重 PCR/杂交捕获富集耐药相关基因区（覆盖 ~30–50 基因、数百突变位点），ONT/Illumina 测序；WHO 2023 有条件推荐为 DST 替代（尤其 MDR/广泛耐药背景）；可直接用痰（涂阳）；对涂阴灵敏度低于培养。
• WGS：培养物常规化（英国 PHE 已用 WGS 替代表型 DST 作一线预测）；直接样本 WGS 仍在门槛上（需 ~10⁶ CFU/mL 级菌量）。

4.3 尿 LAM 快速检测

• Alere Determine TB LAM Ag（类快诊试纸）：检测尿中游离 ManLAM（肾脏滤过的脂质）。
• WHO 推荐（2021 更新）：用于HIV 阳性、有症状、CD4<200 或重症住院者（此人群灵敏度 ~40%–60%，特异度 ~90%+）；不推荐 CD4 正常者/低流行地区普遍筛查。
• SiLAMP/ Fujifilm SILVAMP TB LAM：高敏版（检测限 ~10 倍降低），性能更优，2023 年 WHO 评估积极；适合 HIV 阴性门诊活动性 TB 的大规模应用研究。

5. 宿主反应检测

5.1 TST 和 IGRA

• TST（PPD 皮内 Mantoux）：48–72 h 硬结直径；cut-off 依免疫状态（≥5 mm HIV/接触者；≥10 mm 流行区/职业；≥15 mm 低风险）。
• 优点：便宜、无需实验室；缺点：BCG 交叉（尤其婴幼儿接种）、NTM 交叉、需回访读数、免疫低下者假阴。
• IGRA（QFT-Plus / T-SPOT.TB）：ESAT-6/CFP-10 肽段刺激全血（RD1 编码——BCG 与多数 NTM 无此区，特异度高 ~95%+）；实验室操作、成本高；T-SPOT 用固定细胞数（免疫功能弱者稍稳）。
• 共同局限：不能区分潜伏与活动性；不能判断治愈（感染痕迹长期存在）；阴转/阳转预测价值有限（"IGRA 转阳"提示近期感染用于风险人群监测）。
• 协定结论：IGRA 单阳 ≠ 需要治疗；需排除活动性 + 评估进展风险后决定预防性治疗（见 〔12_预防、疫苗与感染控制〕）。

5.2 宿主转录、蛋白和代谢标志物

• 血液转录组 signature：活动性 TB 特征性模块——I 型 IFN 诱导基因（IFITM、IFI44L、ISG15）+ 中性粒细胞模块（FCGR1A、S100A8/A9）+ 炎症（GBP、SEPT4）（Berry 2010 Nature 等奠基）；诊断 AUC 报告 0.8–0.9+，但跨人群/跨平台稳定性是核心挑战，且潜伏与健康区分有限、HIV/其他炎症干扰大。
• 蛋白标志物：IP-10（CXCL10）、CRP（非洲儿童 TB 筛查辅助）、IFN-γ 释放定量等；单独或组合均未达独立诊断标准。
• 代谢组学：活动性 TB 血清代谢谱（氨基酸/脂质扰动）有区分潜力，多数停留单中心发现阶段。
• 共同瓶颈：炎症非特异性、共病（HIV、寄生虫、营养不良）混杂、年龄偏移、治疗迅速改变谱——外部验证与多中心前瞻设计是分水岭。
• 载体范式转移：从"单一标志物"到"多基因/多蛋白 panel + 机器学习"（连接 〔09_数学模型、统计学与机器学习〕 与 〔10_多组学、EV与外泌体〕）。

5.3 EV 标志物

EV 可以携带蛋白、核酸和脂质，但诊断研究需要回答来源、纯度、稳定性、样本前处理、信号特异性和外部验证问题。

既有方向（多为发现阶段）：血浆 EV 中 Mtb 特异性 miRNA/sRNA、EV-LAM、EV 蛋白（如 Mtb 抗原片段）；详见 〔10_多组学、EV与外泌体〕 §5。

6. 诊断性能

• 灵敏度：真实病例中检测阳性的比例。
• 特异度：非病例中检测阴性的比例。
• PPV/NPV：强烈依赖研究场景中的患病率。例：灵敏度 90%/特异度 95% 的检测在患病率 5% 场景 PPV ≈ 49%（一半阳性是假阳），在患病率 30% 场景 PPV ≈ 88%。
• ROC/AUC：反映排序或区分能力，不等于临床效用。
• 校准：预测概率与真实风险是否一致。
• 检测下限（LoD）：在什么浓度下可以稳定检出（Xpert Ultra ~131 CFU/mL）。
• 失败率：样本不足、抑制、污染和无效结果同样重要（Xpert 错误率 ~1%–5%，现场条件更高）。
• 样本量与置信区间：诊断准确性研究每格 cell 数决定 CI 宽度（100 例研究中 5 例假阴性 → 灵敏度 CI 很宽）。

7. 诊断研究设计

一个可靠的诊断研究通常需要：

1. 预先定义病例和对照（避免"最佳病例 vs 皇家对照"）。
2. 说明参考标准（培养+临床复合标准；菌阴 TB 的参考标准难题）。
3. 避免病例和对照的谱偏倚（spectrum bias：只入组典型重症 → 高估灵敏度）。
4. 对样本前处理和盲法作出说明。
5. 区分训练、内部验证和外部验证。
6. 报告无效、缺失和排除样本（CONSORT-style flow）。
7. 评价增量临床价值，而不只报告 AUC（增量诊断准确性、决策曲线分析 DCA）。

报告规范：STARD（诊断准确性研究报告规范）——写诊断研究论文/审稿必备清单。

8. 与微流控研究的连接

微流控平台的瓶颈经常不在传感器，而在前处理：痰液复杂、黏液抑制、细菌或 EV 浓度低、污染和批次差异明显。因此需要把"富集—纯化—裂解/捕获—检测—读出"作为完整系统评价（见 〔11_纳米技术与微流控诊断〕）。

WHO 目标产品概况（TPP）要点（社区获得性肺炎样症状分流检测）：灵敏度 ≥80%（涂阳）且 ≥65%（涂阴）、特异度 ≥90%、周转 <1 小时、无仪器/电池驱动、单价低——这些"及格线"是微流控设计的需求文档。

9. 参考来源

• WHO. Consolidated guidelines on tuberculosis, module 3: diagnosis.
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.
• WHO. Use of targeted next-generation sequencing to detect drug-resistant tuberculosis.
• Dorman SE, et al. N Engl J Med. 2018;379:2223–2232. DOI. （Xpert Ultra 性能）
• Broger T, et al. Lancet Infect Dis. 2020;20:802–811. DOI30049-9). （SiLAMP 高敏 LAM）

耐药、药敏与基因型预测

1. 耐药的本质

耐药是菌株在药物压力下仍能存活或生长的可遗传表型，通常由靶点改变、药物激活失败、通透性变化、外排、代谢适应或多基因组合造成。耐受和持留可以降低药物杀菌效果，但不必然等于遗传耐药。

四个概念的操作性区分（实验与临床解释都不能混用）：

耐药定义（WHO 现行）：

• INH 耐药（H-R）：任意 INH 耐药（含单独 INH）。
• RR-TB：利福平耐药（不论 INH 状态）。
• MDR-TB：至少耐 INH + RIF。
• pre-XDR-TB：MDR/RR + 耐任意氟喹诺酮（WHO 2021 起）。
• XDR-TB：MDR/RR + 耐任意 FQ + 耐贝达喹啉或利奈唑胺（WHO 2021 新定义，弃用旧"注射类"定义）。

2. 表型药敏

表型 DST 通过培养或 MIC 测量药物对菌株生长的影响。其优点是直接接近临床表型，缺点是耗时、受临界浓度和平台影响，并可能出现异质性或重复性问题。

需要记录：

• 培养平台（MGIT/LJ/琼脂比例法/MIC 板）
• 药物浓度和临界浓度（critical concentration, CC）
• 菌株状态和接种量
• 重复测试
• 中间或不确定结果
• 质量控制菌株（H37Rv 参照；WHO/CSLI 推荐临界浓度依药物而异）

pDST 的固有噪声：同一菌株重复 pDST 可出现 1 管之差（尤其低水平耐药/临界浓度附近）；CRyPTIC 项目数据显示各药物 pDST 重复性 90%–98% 不等——这是基因型-表型不一致的"表型侧"来源，解释 WGS 预测灵敏度上限时必须考虑。

3. 基因型耐药

基因型检测通过突变、缺失、插入或基因获得推断耐药。它速度快，适合快速分流和监测，但对罕见突变、未知机制、多基因互作和谱系偏倚较敏感。

性能基线（WHO catalogue v2 + CRyPTIC 数据，成人痰培养物 WGS）：

• RIF：灵敏度 ~96%–97%，特异度 ~98%–99%（rpoB RRDR 覆盖好）。
• INH：灵敏度 ~88%–90%（katG S315T 一柱擎天，但低水平 INH 耐药 inhA 启动子区易漏）。
• PZA：pncA 全基因测序后灵敏度 ~90%–93%，特异度 ~95%+（突变分散全基因，必须整基因测）。
• EMB：灵敏度最差（~60%–80%），embB M306 变化与耐药关联不稳定。
• FQ（MFX/LVX）：gyrA 突变为主（灵敏度 ~85%–90%）。
• BDQ/LZD：atpE/rrs + Rv0678（bdq）、rrl + rplC（lzd）——证据积累中，突变谱尚在完善。
• KM/AMK/CAP：rrs A1401G 等位点。

4. 主要耐药机制框架

4.1 靶点改变

药物与蛋白靶点结合下降。经典：rpoB RRDR（RIF——81 bp 利福平耐药决定区，覆盖 >95% RIF 耐药突变）、gyrA QRDR（FQ）、rpoC（伴随突变）、rrl/rrs（LZD/注射类核糖体靶）。

4.2 前药激活失败

某些药物需要细菌酶激活；激活酶或相关通路改变可能导致耐药。

• INH：KatG 过氧化氢酶激活 → 异烟酸/NO 自由基 → NAD 加成物抑制 InhA。katG S315T（催化效率降 >90%）占高水平 INH 耐药大头；inhA 启动子 c-15t → InhA 过表达 → 低水平耐药（MIC 临界附近）。
• PZA：吡嗪酰胺酶 PncA 酰胺水解为吡嗪酸（POA）→ 酸性环境下质子化 POA 破坏膜电位。pncA 分散突变（>500 种已报道）→ 酶失活 → 耐药。
• EMB：EmbB（阿拉伯糖转移酶）靶点改变+ embCAB 操纵子突变——但基因型-表型一致性最差（约 20%–30% embB 突变株表型敏感）。
• ETH/PTH：EthA（单加氧酶）激活突变（+ inhA 启动子共享 → INH/ETH 交叉）。

4.3 代谢和通透性

细胞壁、脂质代谢、外排泵和药物进入改变，可影响细胞内有效药物浓度。

• 外排泵：Rv1258c、Rv1218c 等 ABC/MFS 转运子——多与低水平/ tolerance 相关，单突变 rarely 高水平耐药。
• drrABC、mmpL 等脂质转运与药物外排偶联。
• NADH/NAD⁺ 与 ndh：ndh 突变 → NADH 堆积 → 竞争 KatG 激活 → INH 耐药（低水平）。
• ahpC 启动子突变：补偿 KatG 缺失的过氧化压力（与 katG 缺失共存）。

4.4 补偿性突变

耐药突变可能降低适应度，其他突变可以部分恢复生长和传播能力。

• rpoC（RNA 聚合酶 β' 亚基）伴随 rpoB RRDR 突变——修复转录保真/生长，与高传播耐药株（Beijing L2）成功相关。
• ahpC 补偿 katG； promoters上 inhA 与 katG 并存。
• 适应度成本与传播：高成本突变株传播弱；补偿后（rpoC⁺ Beijing）可流行扩散——分子流行病学可见"耐药株克隆扩张"。

4.5 多基因和上位性

多个低效应突变组合可能产生临床重要表型；单个突变的解释不能脱离遗传背景。例：INH 耐药 = katG（高磷平）+ inhA promoter（低水平）+ ndh/ahpC（修饰）叠加；FQ 耐药水平随 gyrA 突变数目累积（单突变低水平、双突变高水平）。

5. 常见药物—基因关系

（突变位点以 H37Rv 坐标/E. coli 编号习惯标注；正式解释必须查最新版 WHO 目录，不能只凭记忆。）

6. WHO mutation catalogue

WHO 目录使用大规模 WGS 与 pDST 配对数据（v2：~48,000 株，含 CRyPTIC + 全球收集），对突变进行统计和专家分级。它的价值在于把"出现过的突变"与"有充分证据支持的临床耐药关联"区分开来。

分级体系（v1/v2 通用）：

1. 耐药关联：与耐药高度相关（可信区间不跨 1 且样本量足）。
2. 可疑耐药（associated with resistance — interim）：证据中等。
3. 不确定（uncertain / not evaluated）：数据不足。
4. 敏感关联：与药敏相关（出现即提示敏感——野生型推断的基础）。

使用规则：目录未收录 ≠ 敏感；未收录突变报告为"不确定"并建议 pDST 确认；"野生型 = 敏感"推断（某药物全部已知位点无突变）是 WGS 报告的基石，但受未知机制限制（尤其 PZA/EMB/CS）。

目录也会受到样本地理、谱系、药物暴露和低频耐药数据不足的限制（v2 中 BDQ/LZD/CS 条目远少于 RIF/INH）。

7. GWAS、LMM与GAM

7.1 普通GWAS/LMM

将变异与耐药表型关联，并用群体结构、亲缘关系或谱系等因素进行校正（Mtb 无重组 → 谱系即群体结构，LMM 用线性混合模型校正；工具如 treeWAS、bugwas/pyseer）。多药耐药共现可能造成交叉关联（菌株耐多药时，A 药突变与 B 药表型相关——因为它们在同一克隆上）。

7.2 GAM

Group Association Model 先按完整耐药组合将菌株分组（如"HSRE 耐药组" vs "HRE 耐药组"），再在不同组合中寻找与特定药物更特异的变异，减少"某突变只是因为常和另一种耐药一起出现"的伪关联。

7.3 GAM+ML

GAM 先筛选相对干净的输入特征，Gradient Boosting 等模型再学习突变组合和非线性关系。GAM 不是临床金标准，也不能替代表型 DST，而是特征发现与预测建模框架。（详见 〔08_Mtb基因组学与基因图谱〕 §9 与 〔09_数学模型、统计学与机器学习〕）

8. 评价耐药预测模型

• 灵敏度：漏掉耐药的风险（假阴 → 无效治疗 → 传播）。
• 特异度：把敏感菌误报成耐药的程度（假阳 → 放弃高效低毒一线方案）。
• PPV：报告耐药后真正耐药的比例——低耐药流行场景 PPV 崩塌（如 RIF 耐药率 2% 场景，灵敏度 96%/特异度 99% 的检测 PPV 仅 ~66%）。
• 外部验证应覆盖不同地点、谱系、药敏谱和测序流程。
• 不能只报告平均准确率，要看每种药物、每种突变和不确定类别。
• 按突变分层报告：katG S315T 预测 INH 耐药 PPV>99%，而 fabG1 L203L 等位点 PPV 可能 <50%——"检出突变"与"耐药"之间隔着一层证据分级。
• 不确定区间的处理必须预定义（报告"无法判读"还是自动归敏感？影响临床安全）。

9. 临床安全边界

模型预测结果必须通过临床实验室流程、参考标准和医生解释。对关键药物，假阴性可能导致无效治疗，假阳性可能导致毒性更大的替代方案；因此阈值、置信度和不确定结果的处理都必须预先定义。

真实世界落地案例：英国 PHE（现 UKHSA）自 2017 年起用 WGS 替代培养 pDST 作为一线预测（RIF/INH/PZA/EMB/FQ），数万株验证后实施——前提：完善的目录、标准化的分析管线、不确定结果自动回退 pDST 的流程。这是 gDST 临床转化的标杆（见 〔15_经典文献与权威指南〕 Walker 2015/2017 系列）。

10. 参考来源

• WHO. Catalogue of mutations in MTBC and their association with drug resistance, 2nd ed..
• Walker TM, et al. Lancet Infect Dis. 2015;15:1193–1202. DOI00062-6).
• Walker TM, et al. Lancet Microbe. 2022;3:e265–e273. DOI00301-3).
• Saliba JG, et al. Nat Commun. 2025;16:2933. DOI.
• CRyPTIC Consortium and the 100,000 Genomes Project. N Engl J Med. 2018;379:1403–1415. DOI. （WGS 预测性能大规模评估）
• Zhou Z, et al. Lancet Microbe. 2023;4:e754–e765. （WHO catalogue v2）

抗结核治疗与临床管理

1. 治疗目标

• 清除快速增殖菌
• 减少持留和复发
• 防止获得性耐药
• 阻断传播
• 降低组织损伤和长期功能障碍
• 在疗效、毒性、依从性和可及性之间平衡

疗程为什么长（连接 〔03_Mtb结构、分子生物学与代谢〕 §5）：菌群异质性——快速复制菌（INH 杀灭最快）→ 半休眠胞内菌（RIF）→ 酸性环境持留菌（PZA 独特活性）→ 深度休眠菌（任何现有药都弱）。6 个月标准疗程 = 覆盖各亚群所需时间的经验最优解；缩短疗程试验（4 个月方案）成功的关键也是加强对持留菌的覆盖（见 §3）。

2. 药物分类思路

学习药物时同时记四件事：

1. 作用靶点和通路。
2. 对不同生长状态细菌的活性。
3. 主要组织分布和药代动力学。
4. 关键不良反应和相互作用。

3. 药物敏感结核（DS-TB）

WHO 推荐（2022 起全面 BPaL/M 时代，DS-TB 仍以 HRZE 为基石）：

标准 6 个月方案（1HRZE/2HRZ 或全程 HRZE 分段）：

4 个月短程方案（2021 WHO 推荐， rifapentine 为核心）：

• 2HRZ(E)/2HRP（2 个月 HRZE + 2 个月 利福喷丁+INH）： TrialS 31/A5349 证实非劣效于 6 个月标准方案（治疗成功 ~90% vs ~91%）；利福喷丁（RPT）为长效利福霉素，继续期每周 3 次；需注意 HIV/NNRTI 相互作用与药物可及性（价格高于利福平）。

疗程中的监测：每月随访（症状/依从/毒性）、2 个月培养（阴转预测价值有限但用于方案评估）、肝功能（基线+症状驱动复查）。

具体药物、剂量和疗程应以最新 WHO 和国家指南为准，不应从知识卡片直接开具方案。

4. 耐药结核（RR/MDR-TB）

WHO 2022+ 分类革新：从"传统 5 组药物分类"转向按证据分层的 A/B/C 组：

全口服短程方案（6–9 个月 BPaL/BPaLM）：

• BPaL（贝达喹啉 6 月 + 普托马尼 pretomanid 6 月 + 利奈唑胺 6 月 ±）：ZeNix 试验（2021）确立；适用非复杂 MDR/RR-TB（无广泛病变、无二线药耐药）。
• BPaLM（BPaL + 莫西沙星）：TB-PRACTECAL 试验（2022，Lancet）证实 6 个月 BPaLM 治疗成功 ~89% 显著优于 9 个月传统方案（~57%）；WHO 2022 有条件推荐——MDR/RR-TB 治疗从"2 年注射时代"进入"6 个月全口服时代"的分水岭。
• 长程方案（18–20 月）：仍用于复杂病例（广泛病变、广泛耐药、BPaL 不适用者），个体化组合 A+B+C 组 ≥4 种有效药物 + PZA（若敏感）。

普托马尼（pretomanid）：硝基咪唑类新药（与 delamanid 同类），二硝基咪唑衍生物；抑制分枝菌酸（mycolic acid）合成 + 呼吸毒杀（NO 释放 killing nonreplicating）；2019 年 FDA 批准（BPaL 适应证）。

治疗成功率现状：MDR/RR-TB 全球 ~63%（2024 报告）；BPaL 系列试验中 ~89%——新方案显著改善，但可及性（药价、注册国覆盖）仍是大坎。

耐药结核治疗需要结合：可靠的耐药结果、既往用药史、可能的交叉耐药（BDQ-CFZ 经 Rv0678；AMK-KM 经 rrs）、药物相互作用（BDQ 与 CYP3A4 强诱导剂；LZD 与 5-HT 药物）、QT 间期（BDQ/MFX/CFZ 组合需 ECG 监测）、肝肾功能和神经系统风险、患者依从性和社会支持、药物可及性。治疗方案是动态决策，不是单纯按照某一个基因突变机械替换药物。

5. PK/PD基础

• PK：药物在体内的吸收、分布、代谢和排泄。
• PD：药物暴露与细菌杀灭或生长抑制的关系。
• 关键指标可包括 AUC/MIC（INH/RIF/FQ/BDQ 的主要指数）、Cmax/MIC 和时间超过 MIC（fT>MIC）。
• 血药浓度、组织穿透（RIF 肺组织/CSF 穿透差异；CSF 穿透率：INH ~90%、RIF ~20%、PZA ~80%、LZD ~30%–50%）、炎症和营养状态可能改变有效暴露。
• 治疗药物监测（TDM）：适用低体重/糖尿病/肾功能异常/HIV/治疗反应不佳者；目标如 INH Cmax 3–6 mg/L、RIF 8–24 mg/L（快/慢乙酰化 NAT2 多态影响 INH 清除）。
• 药物浓度监测可用于特殊人群或疗效/毒性不符合预期的情况。

6. 依从性和治疗管理

长疗程治疗的失败原因不仅是生物学耐药，也包括：不良反应、经济负担、交通和医疗可及性、社会歧视、抑郁和认知负担、服药方案复杂、医患沟通不足。因此治疗研究应把患者中心支持、营养和社会保护纳入结局解释。

DOT 与数字依从技术：直接面视服药（DOT）是 DOTS 策略核心；99DOTS（药盒呼号）、视频督导（VOT）、电子药瓶等数字依从技术 WHO 已有条件推荐（VOT 优于 DOT 的证据在积累）。

7. 常见毒性与监测

这里仅作学习框架，具体监测频率和停药/换药标准需查指南。

肝损伤管理路径（常见临床决策）：ALT>3×ULN+胆红素升高或 ALT>5×ULN → 停最可疑药（通常 Z>P>R>H 顺序）→ 逐个重启（re-challenge）→ 重启失败/重症 → 换用肝毒性低的替代（FQ+EMB+注射类+环丝氨酸组合）。

8. 宿主导向治疗（HDT）

宿主导向治疗希望调节炎症、组织修复、免疫功能或代谢，而不是直接杀菌。评价时必须同时观察菌量、病理和药物相互作用；"炎症下降"不一定等于细菌控制改善。

研究过的候选（多数阴性或未转化，教训丰富）：

• 维生素 D3：诱导自噬/抗菌肽；临床试验整体阴性或边缘效应（仅在 VDR 基因型亚组见信号）——"机制好看 ≠ 临床获益"的代表。
• 他汀类：回顾性队列见 TB 风险下降；RCT 未完成。
• 二甲双胍：改善宿主免疫代谢+小鼠模型菌量下降；临床证据在积累（观察性）。
• NSAIDs/阿司匹林：调节 eicosanoid（PGE₂/脂氧合酶通路）；动物模型阳性，临床早期。
• zarifá/氯法齐明免疫调节等：个案级证据。
• 抗 PD-1：机制上"解锁"T 细胞；但 TB 场景 PD-1 阻断有加重病理风险（NHP 数据），慎之又慎。

结论：HDT 是合理方向但尚无进入 WHO 推荐的方案；设计试验时必须同时读出菌量与病理（防"炎症改善假象"）。

9. 纳米药物和递送

研究方向包括：

• 脂质体和聚合物纳米颗粒（装载 INH/RIF/BDQ）
• 吸入式药物递送（直达肺泡、局部高浓度、降低全身暴露）
• 巨噬细胞靶向（甘露糖受体/清道夫受体配体修饰）
• 病灶或肉芽肿定位（EPR 样效应在肉芽肿血管化背景下探索）
• 长效制剂（纳米混悬注射，每周-每月给药解决依从性）
• 联合给药和降低毒性

转化关键是体内分布、剂量、安全性、生产一致性和临床可制造性。（详见 〔11_纳米技术与微流控诊断〕——诊断与治疗纳米平台共享表面化学/靶点知识。）

10. 参考来源

• WHO. Consolidated guidelines on tuberculosis, module 4: treatment and care.
• D'Ambrosio L, et al. Lancet. 2015;385:1349–1361. （耐药 TB 治疗综述）
• Conradie F, et al. N Engl J Med. 2020;382:893–900. （ZeNix 前身 BPaL Nix-TB）
• Conradie F, et al. N Engl J Med. 2022;387:810–820. DOI. （ZeNix：BPaL 不同 LZD 剂量）
• Nyang'wa B, et al. Lancet. 2023;401:2211–2224. DOI00313-4). （TB-PRACTECAL：BPaLM 6 个月方案）
• Dorman SE, et al. N Engl J Med. 2021;384:1705–1718. DOI. （S31/A5349：4 个月 RPT 方案）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.

Mtb 基因组学与基因图谱

1. 基因组学能回答什么问题

• 这是什么菌种或复合群成员？
• 它属于哪个谱系或亚谱系？
• 是否与另一株菌具有近期传播关系？
• 是否携带已知耐药相关变异？
• 基因组背景是否影响耐药、适应度或宿主互作？
• 哪些未知变异值得功能验证？

2. Mtb基因组的层次

2.1 核心基因组

多数菌株共享的基因集合，可用于系统发育、谱系和核心功能分析。MTBC 核心基因组约 4.0 Mb；菌株间核苷酸多样性极低（~0.01%–0.05%，即任意两株差异约 500–2,000 SNP）——比大多数细菌低 2–3 个数量级（原因：克隆进化+较"年轻"的种群历史）。

2.2 可变基因组和泛基因组

不同菌株存在基因存在/缺失、重复、插入序列和结构变异。单一参考基因组可能遗漏 accessory genome 中的重要机制。

• RD（Region of Difference）：MTBC 成员间的大片段缺失（RD1 缺失于 BCG = 减毒基础；RD9 缺失于 M. bovis 等）——经典分子分类标记。
• IS6110：插入序列，拷贝数 0–25+（拷贝多用于旧式 RFLP 分型；低拷贝株用 MIRU-VNTR 替代）。

2.3 PE/PPE和重复区域

PE/PPE 家族（PE：N 端 Pro-Glu 基序；PPE：Pro-Pro-Glu）合计 ~170 基因、约占编码组 10%，富含 GC 重复与同源多聚体，是 Mtb 基因组的"暗物质"：功能与免疫逃逸/抗原变异相关，但短读长比对到这些区域产生假阳性变异，标准流程常整体屏蔽（如 PE/PPE + PGRS 区域 mask），造成这些区域的"分析盲区"。

3. 常见变异类型

• SNP：单碱基变化。
• Indel：插入或缺失。
• 结构变异：较大片段插入、缺失、倒位或重排。
• 拷贝数变化。
• 基因获得和可变基因组差异。
• 启动子和非编码调控区变异。

不同技术对这些变异的检出能力不同；短读长 WGS 对重复区域和复杂结构变异可能有限（长读长 ONT/PacBio 可补）。

4. 基本分析流程

原始reads（Illumina PE150 或 ONT）
  ↓
质量控制和去接头（fastp/FastQC）
  ↓
比对到参考基因组（BWA-MEM / minimap2；参考 H37Rv NC_000962.3）
  ↓
覆盖度、深度和污染检查（samtools flagstat/mosdepth； Kraken 查污染；>20× 中位深度）
  ↓
SNP/Indel/结构变异检测（bcftools/GATK；ONT 用 Clair3/Medaka）
  ↓
变异过滤和注释（QUAL/DP 过滤；SnpEff/基于 H37Rv 坐标注释；屏蔽 PE/PPE 重复区）
  ↓
谱系、系统发育和耐药解释（TB-Profiler/Mykrobe/ K-mer 谱系分型；IQ-TREE 最大似然树）
  ↓
与DST、临床和流行病学数据整合

关键质控阈值（惯例）：中位深度 ≥30×；覆盖广度 ≥95%（≥1×）；污染估计 <5%（含人源 DNA 污染——去宿主 DNA 方案：痰样本宿主 DNA 常占 90%+，去污染/富集方法如 NEBNext microbiome DNA enrichment）。

5. 谱系与系统发育

MTBC 全球谱系（Gagneux 2006 框架 + L7–L9 补充）：

• 谱系反映菌群历史和群体结构；Beijing lineage 等谱系在某些地区和耐药背景中具有重要研究价值（L2 与 RIF 耐药高发、爆发传播的关联在多地重复，但因果解释仍谨慎——社会因素混杂）。
• 系统发育树可以提示亲缘关系，但不能单独证明直接传播。
• 传播推断还需要时间、地点、接触者和采样覆盖度。
• 谱系结构是耐药 GWAS 的重要混杂来源（见 〔06_耐药、药敏与基因型预测〕 §7）。

传播阈值（常用惯例，非金标准）：两株全基因组 SNP 距离 ≤12 SNP 且时间空间一致 → 提示近期传播聚集（Walker 2013 英国数据；阈值受谱系突变率影响——L2/Beijing 突变率偏高，同阈值可能过严）。

6. 基因型—表型关联

耐药基因图谱不是简单的"基因等于耐药"，而是：

变异
  ↓
蛋白/通路功能改变（体外酶学/结构证据）
  ↓
药物暴露下的生长或存活表型（MIC 升高）
  ↓
实验室DST/MIC
  ↓
跨谱系、跨地点重复
  ↓
临床解释等级（WHO catalogue 分级）

需要区分高置信度关联、统计关联、功能支持、意义不确定和数据不足。

7. WGS数据质量

至少应关注：

• 总reads和有效reads
• 平均深度与覆盖均匀性（GC 偏倚）
• genome coverage（≥95% 参考 ]
• 比对率（低比对率提示污染或质差）
• 污染和混样（heterozygous SNP 位点比例异常）
• 样本身份（LIMS/Sample swap 检查）
• 参考基因组选择（H37Rv NC_000962.3 为默认；注意不同版本注释坐标差异）
• 变异过滤阈值
• 重复区域处理（PE/PPE mask）

低质量数据可能产生假阴性、假阳性或谱系误判。

8. 基因图谱如何服务于诊断

• 快速识别已知高置信度耐药突变。
• 识别潜在新突变，供培养和功能验证。
• 对复杂耐药谱进行多位点联合解释。
• 辅助传播监测和暴发调查。
• 与临床数据结合，支持精准治疗。

9. 与GAM论文的关系

GAM 论文（Saliba 2025, Nat Commun）使用菌株序列变异和药敏表型，先按耐药组合分组，再筛选药物特异性关联，之后用机器学习预测耐药。它的启发是：特征筛选应先处理多药耐药共现和谱系混杂，不能只追求黑箱模型的准确率。

方法链拆解（供精读）：

WGS（含 CRyPTIC 类数据）
  ↓ 变异 calling + 注释
耐药"指纹"分组（耐药组合 pattern 作为分组变量）
  ↓
组间比较 → 药物特异性突变候选（去掉与"整体耐药背景"共线的位点）
  ↓
特征 → Gradient Boosting 分类器（每药一模型）
  ↓
与 WHO catalogue/ pDST 对照评估性能

与你的课题连接点：把 GAM 的"分组去混杂"思想迁移到 TB-EV 研究的标志物发现（先按疾病状态/治疗阶段分组，再筛状态特异性 cargo，避免"炎症背景共线"）——方法学同构。

10. 研究局限

• 参考基因组偏倚（非-L4 谱系比对质量略低）
• 短读长对重复区域的限制
• 未知耐药机制（PZA/EMB/CS 基因型灵敏度缺口）
• 低频变异样本不足（BDQ/LZD 新药数据积累中）
• 表型 DST 不一致（临界浓度附近）
• 谱系和地理采样偏倚（CRyPTIC 以外地区代表不足）
• 训练数据与临床真实人群分布不一致

11. 参考来源

• Cole ST, et al. Nature. 1998;393:537–544. DOI.
• Gagneux S, Small PM. PLoS Pathog. 2007;3:e55. DOI. （MTBC 谱系与宿主适应）
• Walker TM, et al. Lancet Infect Dis. 2015;15:1193–1202. DOI00062-6).
• Walker TM, et al. N Engl J Med. 2013;368:703–710. （传播推断 SNP 阈值）
• WHO. Catalogue of mutations in MTBC, 2nd edition.
• Phelan J, et al. Microb Genom. 2019;5:e000250. （TB-Profiler）

数学模型、统计学与机器学习

1. 数学模型的三种用途

1. 描述：用数据估计疾病发生、传播或治疗过程。
2. 预测：预测个体结局、耐药或人群趋势。
3. 决策：比较筛查、治疗和公共卫生干预策略。

模型不是事实本身，而是基于假设、参数和数据的推断工具。

结核建模的特殊性（与急性传染病建模的区别）：代际时间以年计（感染→发病中位 1–2 年，可潜伏数十年）、再激活与再感染并存、传播异质性强（超传播事件 super-spreading 服从长尾分布——部分病例传播 20+ 人而多数传播 0 人）。这使得：R₀ 估计不确定度极大、"消除"时间尺度以数十年计、干预效果的归因需要模型分解（如 ART/治疗覆盖率 vs 人群易感性变化）。

2. 结核传播模型

基础状态通常包括：

S：易感
  ↓ 感染率 λ = β·I/N
E/L：感染或潜伏（可分快慢进展两类：fast/slow progressor）
  ↓ 进展率（感染后 2 年内 ~5%，其后每年 ~0.1%）
I：活动性传染
  ↓
T：治疗中（降低传染性）
  ↓
R：治疗后或控制状态（可再感染/复发）
D：死亡

可选扩展：耐药菌株双库、HIV 分层、年龄结构、接触网络（家户/社区/医院）、医疗机构传播

基础再生数与增长率：TB 的 R₀ 难以直接估计（代际长），更常用 Reproduction number in absence of treatment（自然传播势）与实际 Rₑ（含治疗效应）；WHO End TB 的"发病率年递降 10%/年 → 2035 消除"路径需要 Rₑ<0.9 持续数十年（含 UTG 完全实现的最佳情景建模——Dye & Williams 经典工作）。

3. 模型参数

• 感染率、潜伏期和进展概率（快/慢进展比例）
• 再激活率（成人潜伏每年 ~0.1%）
• 治疗成功率（DS-TB ~88%、MDR ~63%）
• 失访率和依从性
• 复发和再感染率（治疗后 12 月内复发 ~2%–5%）
• 耐药获得与传播率
• 病例发现延迟（症状出现→诊断中位 4–8 周，可数月）
• 干预覆盖率

参数可以来自队列、监测、文献、专家先验或贝叶斯估计；不同来源应分开报告（不确定性传播：参数 CI → 结局 CI，常用贝叶斯 MCMC 或 bootstrap）。

4. 分子流行病学

将基因组距离、系统发育、病例时间和地理位置结合，可推断传播聚集和耐药扩散。但样本不完整、采样时间不一致和同源菌株长期存在会影响结论。

聚类分析要点：

• 聚类比例（clustering proportion）≈ 近期传播占比的代理（受采样密度影响大——采样率 <50% 时聚类比例显著低估传播）。
• 聚类方向推断：祖-孙方向（root-to-tip 回归+采样时间）+ 耐药突变获得时间 → "谁传染谁"的最小可信重建。
• 混合方法：基因组 + 接触追踪 + 空间（GIS）+ 社会（监所、酒吧、教堂等聚集场所）共同还原传播网络。

5. 诊断统计

• 灵敏度：病例中检测阳性比例。
• 特异度：非病例中检测阴性比例。
• PPV/NPV：受患病率影响。
• ROC/AUC：衡量区分能力，不代表阈值后的临床获益。
• 校准：预测风险和真实风险是否匹配。
• 决策曲线：在不同阈值下评估净获益。

AUC 的直觉：AUC = 随机抽一例病例和一例对照，模型给病例更高分的概率。AUC 0.80–0.90 = 良好区分；0.90+ = 优秀。AUC 陷阱：类不平衡时 0.9 可能毫无临床价值（如患病率 1% 时特异度 99% 的空白检测 AUC ~0.99 的反例不存在，但 PPV 仅 ~50%——AUC 不告诉你选定阈值后的真实世界后果）。

NRI/IDI：新旧标志物/模型比较指标（净重新分类改善/综合判别改善）；用 NRI 时必须报分类类别与事件比例，避免"NRI 幻觉"。

6. 生物医学研究中的偏倚

• 选择偏倚：病例和对照来源不同。
• 谱偏倚：研究人群过于典型（只入组空洞涂阳病例 → 高估灵敏度）。
• 验证偏倚：不是所有人都接受参考标准（只对分子阳性者做培养 → 高估一致率）。
• 处理偏倚：样本前处理或排除不一致。
• 混杂：年龄、治疗史、菌量、谱系、地点和共病。
• 批次效应：不同实验日期、试剂、平台或操作者（EV/组学研究的头号杀手——见 〔10_多组学、EV与外泌体〕 §8）。
• 数据泄漏：测试集信息在训练过程中被使用。

数据泄漏的常见形态（高维组学+ML 场景）：

1. 全数据集上做特征筛选后再划分训练/测试集（最常见！）。
2. 归一化参数（如 z-score 均值方差）用全数据计算。
3. 同一患者多个样本分到训练与测试集。
4. 超参数搜索直接在测试集上择优。
5. 批次/中心作为特征泄漏结局信息。

7. 机器学习的基本流程

定义表型（先验、可测量、临床有意义）
  ↓
样本和特征质控
  ↓
训练/验证/测试划分（分层抽样；患者级切分）
  ↓
特征筛选只在训练集完成（嵌套在 CV 内更佳）
  ↓
模型训练和超参数选择（嵌套 CV）
  ↓
内部验证（bootstrap .632+ / 重复 CV）
  ↓
外部验证（时间外/空间外样本）
  ↓
校准、解释和临床效用（DCA/净获益）

报告规范：TRIPOD+AI（2024，个体预后模型报告规范 AI 扩展）——诊断/预后模型研究的写作与审稿标尺。

8. 常见模型

• Logistic regression：适合解释线性关联（系数可直读 OR）。
• Random Forest：适合非线性和特征交互；内置 OOB 误差估计。
• Gradient Boosting/XGBoost/LightGBM：结构化数据分类的"默认强者"；GAM+ML 论文中的主力。
• SVM：适合高维、小样本场景，但解释和校准需要注意。
• 神经网络：需要更大样本和更严格的泛化验证（表格数据常不如 GBDT）。
• 多标签分类：同时预测多个药物耐药状态（共享表征学习）。
• 生存模型（Cox/RSF）：培养转阴时间、复发时间分析。

9. 多组学和EV机器学习的特殊问题

• 高维小样本（n≈50–200，p≈10³–10⁵）→ 过拟合地雷
• 特征高度相关（共线性 → 系数不稳定；树模型稍稳）
• 批次和中心差异（ComBat 校正/平衡设计；校正不能替代设计）
• 缺失值和检测下限（KNN/MICE 插补 vs 结构性缺失）
• 类别不平衡（SMOTE 类过采样——注意 SMOTE 在测试集前应用且只对训练集）
• 过拟合（惩罚回归 LASSO/弹性网为基线必备）
• 预处理导致的数据泄漏（归一化/插补参数泄漏）
• 特征稳定性不足（bootstrap 特征选择稳定性分析）
• 仅在内部交叉验证中表现好（"CV AUC 0.95 → 外部 0.7"是组学 ML 的常见滑坡）

防线组合（推荐流程）：惩罚回归基线 → GBDT 对照 → 嵌套 CV + 外部验证 + 校准曲线 + SHAP 解释 + 特征稳定性检验；样本量规划用 learning curve 外推（rmeta 包/在途包如 pmsampsize）。

10. 模型报告至少应包括

• 样本来源和病例定义
• 特征测量和预处理
• 缺失值处理
• 训练和验证方式
• 特征选择位置（何时何处）
• 超参数
• 类别比例
• 每类结局的性能（每药物/每状态）
• 置信区间
• 外部验证
• 校准曲线
• 错误病例分析（假阴/假阳特征画像）
• 可解释性和临床决策阈值

11. 因果推断

如果问题是"某个 EV 或免疫通路是否导致疾病进展"，仅做相关性模型不够。需要时间顺序、混杂控制、扰动/阻断、替代解释排除和结果复现。

TB 场景可用的因果设计：

• 孟德尔随机化（MR）：宿主遗传变异作为工具变量（如 BMI 与 TB 风险的 MR 分析）——需强工具变量与水平多效性检验。
• 靶向最大似然估计（TMLE）/双稳健方法：观察性数据中的边际处理效应。
• 自身对照病例系列（self-controlled case series）：疫苗/暴露瞬时效应。
• 动物模型扰动 + 人类观察数据三角互证（triangulation）。

12. 参考来源

• Saliba JG, et al. Nat Commun. 2025;16:2933. DOI.
• WHO. Global Tuberculosis Report 2025.
• Collins GS, et al. BMJ. 2015;350:h7594. （TRIPOD）
• Collins GS, et al. Nature. 2024;625:487–494. DOI. （TRIPOD+AI）
• Dye C, Williams BG. Annu Rev Public Health. 2010;31:171–188. （TB 数学模型综述）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.

多组学、EV 与外泌体

1. 多组学的目的

多组学不是把多种检测简单堆在一起，而是从不同分子层级描述同一疾病过程，并通过整合寻找稳定、可解释、可验证的机制或标志物。

整合策略分类：

工具：MOFA2（潜在因子）、DIABLO/mixOmics（有监督多组学）、iCluster、SNF（相似性网络融合）。

2. 主要组学层级

• 基因组学：遗传变异、谱系、耐药和传播。
• 转录组学：细菌或宿主表达状态。
• 蛋白组学：功能蛋白、炎症和抗原。
• 代谢组学：碳、脂质、氨基酸和氧化还原状态。
• 脂质组学：Mtb 细胞壁和宿主脂质重编程。
• 表观组学：宿主染色质、DNA 甲基化和调控状态。
• 单细胞组学：细胞异质性。
• 空间组学：肉芽肿和病灶内空间关系。
• 微生物组学：共生或伴随微生物与疾病状态。

TB 各层级的代表发现/用途：

• 宿主转录组：活动性 TB 特征模块（I 型 IFN + 中性粒细胞，见 〔05_结核病诊断体系〕 §5.2）；治疗 2 周即可见 signature 部分逆转——治疗监测潜力。
• 蛋白组：血清 IP-10、补体、S100 蛋白家族变化；EV 亚群蛋白谱。
• 代谢组：活动性 TB 血清氨基酸（色氨酸-犬尿氨酸代谢亢进，IDO 通路）与脂质谱扰动。
• 脂质组：胆固醇代谢（宿主）/分枝菌酸（病原）双轴。
• 单细胞（CITE-seq/scRNA）：肉芽肿/血液免疫细胞图谱——活动性 TB 中扩增的"炎性单核/巨噬"群与耗竭样 T 细胞表型；与你的 LN scRNA-seq 经验直接可迁移。
• 空间转录组：肉芽肿分层（外周免疫活跃带 vs 中央坏死区）——2023 起人肺 TB 空间图谱多篇高影响论文。
• Mtb 转录组：痰内菌体外 vs 肉芽肿内表达差异（缺氧 DosR 调节子、铁限制 IdeR 应答）——"细菌看到了什么环境"的直接读出。

3. EV的基本概念

EV 是细胞释放的膜性颗粒的操作性总称。不同分离方法得到的颗粒群可能来源复杂，包含不同大小、密度、膜蛋白和污染物。

MISEV 命名框架（操作性，非生物发生性）：

"Exosome"是特定生物发生路径的术语；如果没有足够的内体来源证据，应优先使用 EV 或 small EV 等操作性名称。（MISEV2018 已明确：没有纯的内体来源 EV 分离方法——UC/SEC/TFF 得到的都是"粒径+密度+marker 特征"的操作性群体。）

生物发生通路速记：

内体途径：质膜内陷 → 早期内体 → 晚期内体 → MVB（内含腔内囊泡 ILVs）
  ↓ MVB-质膜融合 → 释放 ILVs = 外泌体（ESCRT 依赖/非依赖（nSMase2-神经酰胺））
质膜途径：直接出芽 → 微囊泡（ARF6、PLD2 等）
凋亡途径：出泡 → 凋亡小体
Mtb 特有：膜囊泡（MV）——革兰阴性 OMV 类似物；Mtb MV 携带 LAM、脂蛋白、DNA

4. EV cargo

可能包括：

• 蛋白（膜蛋白/腔蛋白；四跨膜蛋白 CD9/CD63/CD81、TSG101、Alix 等经典 marker）
• mRNA 和 miRNA（稳定、可被受体细胞翻译/调控）
• 其他非编码 RNA（lncRNA、circRNA、piRNA、tRNA 片段）
• DNA 片段（基因组/线粒体 DNA；单链/双链）
• 脂质（鞘磷脂/胆固醇/神经酰胺富集于 EV 膜）
• 代谢相关分子

cargo 的测得丰度会受到细胞类型、培养条件（血清来源 EV 污染——必须用 EV-depleted FBS 或无血清培养）、炎症、细胞死亡（凋亡小体污染）、分离方法和归一化方式影响。

归一化难题：按颗粒数/蛋白量/RNA 量归一化会得出不同结论——报告时必须写明归一化基准，与既往文献比较时先核对对方的归一化方式。

5. TB—EV研究的可能路径

5.1 病原体来源EV（Mtb membrane vesicles）

需要确认颗粒是否真正来自 Mtb，还是培养上清中的宿主、细胞碎片或蛋白聚集物。病原体来源 EV 的纯化、生物安全和功能实验要求较高。

• Mtb 在体外培养与感染巨噬细胞内均释放 MV；MV 携带 LAM、PstS1、脂蛋白与 DNA。
• 功能报告：MV 可被受体巨噬细胞摄取并诱导炎症/免疫抑制（报告不一，与剂量纯度相关）；Mtb MV 作为疫苗候选（载体呈递抗原）有动物实验。
• BSL-3 内做 Mtb MV 的纯化是操作瓶颈（培养基成分去除+活菌灭活验证）。

5.2 宿主来源EV

Mtb 感染可能改变巨噬细胞、树突状细胞或其他宿主细胞释放 EV 的数量和 cargo。宿主 EV 可能反映炎症状态，也可能主动调节受体细胞。

• 体外：感染巨噬细胞 EV 富含 Mtb 抗原（如 Ag85、ESAT-6 区域蛋白片段）→ 可交叉呈递给 T 细胞（MHC-II on EV）→ 既有"活化"报告也有"抑制"报告。
• 体内：活动性 TB 患者血浆 EV 总量与 cargo 谱（miRNA、蛋白）与健康/LTBI 不同（多篇单中心报告）。
• 尿液 EV：肾滤过屏障漏出的 EV/LAM 复合体——与尿 LAM 检测互补的富集思路（你的微流控方向可切入点）。

5.3 EV与T细胞

可以研究 EV 是否影响：

• TCR 或抗原反应（EV 上 MHC-肽复合物直接刺激）
• 增殖（CFSE dilution）
• IFN-γ、TNF、IL-2 等多功能性（ICS polyfunctionality）
• 细胞毒性（granzyme B、CD107a）
• 代谢状态（seahorse OCR/ECAR）
• PD-1/TIM-3 等表型（只作线索）
• 细胞死亡和可逆性（阻断后恢复）

但表面标志物改变不能替代功能实验。

实验范式示例（TB-EV 影响 T 细胞功能的最小闭环）：

分离鉴定：血浆/培养上清 → SEC+UC → NTA/TEM/ WB marker
  ↓
分组输入：健康 vs LTBI vs 活动性 TB 来源 EV，等颗粒数
  ↓
共培养：EV + 自体/异体 CD4/CD8 T 细胞（±抗原刺激）
  ↓
功能读出：增殖/ICS 多功能/杀伤
  ↓
机制：摄取定位（PKH67 共定位）+ cargo 阻断（antagomir/抗体）
  ↓
回复验证：EV 去除培养上清丧失功能 → 回补恢复

6. EV实验的最低逻辑

样本来源和疾病分层
  ↓
EV分离和纯度控制
  ↓
粒径、浓度和形态（NTA + TEM 至少各一）
  ↓
正负标志物与污染评估（正：CD9/CD63/CD81/TSG101/Alix；负：Calnexin/GM130 去污染；apoA1/ApoB 脂蛋白污染）
  ↓
cargo检测
  ↓
受体细胞摄取/定位
  ↓
功能读出
  ↓
耗竭、阻断或cargo去除
  ↓
菌量、病理和临床相关结局

7. 纯度和污染控制

需要考虑：

• 可溶性蛋白（SEC 分离可减；UC 富集蛋白聚集体）
• 脂蛋白颗粒（HDL/LDL 与 sEV 尺寸重叠——血浆 EV 研究的最大混杂；ApoA1 检测为阴性 marker）
• 细胞碎片、凋亡小体（过滤/低速离心去除）
• 细菌或宿主核酸（DNase/RNase 处理前后对比——判断核酸在颗粒内还是表面）
• 培养基和血清成分（EV-depleted FBS 制备：100,000 g ×16 h 超离；仍残留部分纳米颗粒）
• 内毒素和其他炎症刺激物（LAL 检测；细菌污染 EV 会假装"免疫调节"）

MISEV2023 强调透明报告、操作性命名、分离方法、表征和功能控制。MISEV2023

方法对比速查：

推荐组合（功能实验）：SEC 去污染 → dUC 浓缩 →（可选）密度梯度精纯；每批做 NTA+TEM+WB 三联表征。

8. 多组学整合的风险

• 组学层级之间样本不匹配（配对设计缺失）
• 多重检验导致假发现（FDR 校正；但 FDR 阈值在"发现 vs 验证"两阶段中角色不同）
• 过度依赖相关网络（WGCNA 模块与表型相关 ≠ 因果）
• 小样本高维过拟合
• 批次效应被误当作疾病信号（EV 研究重灾区：分离日期、操作者、柱子批次都能成为"主成分"——design 中必须随机化+ balanced batch；分析时用 RUV/ComBat+阴性对照）
• 只在同一队列中验证
• 发现性标志物未做功能或前瞻性验证

9. 证据分层

• 直接 TB 证据：在目标患者和目标样本中重复并验证。
• 邻近疾病证据：可以启发机制，但不能写成 TB 事实。
• 未验证假设：需要最小区分实验。

写作规范：论文方法与讨论中显式标注每个论断的证据层级（如"这一机制在肿瘤 EV 中报道，本研究提供 TB 中的首个直接证据/尚待验证"）。

10. 与你的方向最相关的最小研究设计

若假设"TB 相关 EV 影响 T 细胞功能"，最低要有：

• 健康、LTBI、活动性 TB、治疗前后等分层（每组 n≥10–20，功效计算定）
• 非 TB 肺病对照（肺炎/肺癌/COPD）
• EV 纯度和污染控制（NTA+TEM+正负 marker）
• 等量 EV 输入和剂量/时间梯度（剂量-反应是最有说服力的药理学证据）
• T 细胞抗原反应、增殖和多功能性读出
• EV 去除或 cargo 阻断（anti-CD63 磁珠去除 EV 培养上清）
• 与菌量、病理或治疗结局的联系（Xpert CT 值/培养 TTP/影像范围）

进阶加分项：单受体细胞水平摄取分析（ Imaging flow）、体内验证（小鼠气溶胶感染模型 EV 干预）、类器官/肉芽肿模型共培养、前瞻队列随访治疗前后配对样本。

11. 参考来源

• Welsh JA, et al. MISEV2023: An updated guide to EV research and applications. J Extracell Vesicles. 2024;13:e12416. DOI.
• Théry C, et al. MISEV2018. J Extracell Vesicles. 2018;7:1535750. DOI.
• Raposo G, Stahl PD. Annu Rev Cell Dev Biol. 2019;35:439–462. （EV 生物发生综述）
• Schorey JS, Cheng Y, Singh PP, Smith VL. EMBO Rep. 2015;16:1500–1512. （分枝杆菌 EV 综述——TB-EV 直接相关）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.

纳米技术与微流控诊断

1. 为什么需要工程化诊断

结核样本常常具有低菌量、复杂基质、黏液、抑制物和采样困难等问题。工程化平台希望降低样本处理、检测时间、设备依赖和操作者要求，但必须证明它在真实样本中有临床价值。

需求侧的硬约束（高负担国家现场）：无稳定电力/冷链、无训练技师、单价 < $5–10、样本-答案 < 1 小时、无需集中实验室。这是"Nature 子刊性能 vs 真实落地"之间的鸿沟来源——大量发表的平台止步于缓冲液加标。

2. 微流控基本功能

• 样本分流（阀/泵/离心驱动；毛细血管被动流）
• 混合和反应控制（层流下的扩散混合/蛇形混沌混合）
• 细菌、细胞或 EV 富集（惯性聚焦 inertia、确定性侧向位移 DLD、介电泳 DEP、声流控）
• 过滤和尺寸分离（微柱阵列/纳米膜）
• 磁珠或抗体捕获（免疫磁珠 IMS——培养前富集 Mtb）
• 裂解和核酸释放（热裂解/化学裂解/磁珠法，集成到纸基或芯片内）
• 等温扩增或 PCR（LAMP/RPA 集成——RPA 37°C 恒温、启动快，适配微流控）
• 多重信号读出（荧光/电化学/比色/CRISPR 信号）
• 自动化和封闭式操作（卡盒式 lab-on-a-disc、离心微流控）

流体物理速记：微通道内 Re << 1（层流主导）→ 混合靠扩散或主动结构；表面积/体积比大 → 表面效应主导（吸附、传质快）——这些特性既带来"快"也带来"堵"（痰液在微通道内必堵，前处理不过关一切白搭）。

3. 纳米材料的作用

• 提高靶标捕获面积（高比表面积）
• 改善光学或电化学信号（等离子体增强、金纳米颗粒比色、量子点荧光）
• 介导磁分离（Fe₃O₄ 磁珠——从痰/血/尿中富集 Mtb 或 EV）
• 作为药物或探针载体
• 结合抗体、适配体或核酸探针（aptamer 体外筛选周期短、化学稳定、可冻干）
• 调节表面抗污和特异性（PEG/zwitterionic 涂层抗非特异吸附）

常见材料包括金纳米颗粒（AuNP 比色/LFA 显色）、磁性颗粒（Fe₃O₄@SiO₂）、量子点（QD 多重荧光）、石墨烯与二维材料（MoS₂ 场效应晶体管生物传感——单分子级灵敏度报告）、上转换纳米颗粒（UCNP，背景荧光低）、金属有机框架（MOF，负载与信号双功能）与聚合物纳米结构。

4. 结核样本中的关键难点

• 痰液黏稠、成分复杂（DNA/黏蛋白网状物——黏度可超水 100–1000 倍）
• 去污染过程可能影响活菌和核酸回收
• 菌量在不同患者间差异大（涂阴病例 <10⁴ CFU/mL）
• 结核与非结核分枝杆菌的特异性区分（靶点选择：IS6110 多拷贝提高灵敏度+特异性设计避免与 NTM 交叉；rpoB 区分复合群内种）
• 抑制物影响扩增或信号（血红素、黏蛋白是聚合酶抑制剂）
• 污染造成假阳性（气溶胶交叉污染——封闭卡盒设计动机）
• 真实临床样本远比缓冲液复杂

痰液前处理方法对比（微流控集成的第一道关）：

5. EV微流控

可能用于：

• 尺寸或免疫亲和富集（纳米柱/纳米膜分选；CD63/EpAM 抗体捕获）
• 血浆/血清/痰液中 EV 处理
• 单颗粒分析（纳米孔传感、干涉成像、单颗粒荧光）
• EV 膜蛋白和 cargo 检测（裂解后 LAMP/CRISPR 读出 cargo 核酸）
• 多重捕获与电化学/光学读出

必须说明平台捕获的是总 EV、small EV、特定来源 EV，还是某种表面标志物阳性亚群。

代表性技术路线（近年高影响工作风格）：

• 纳米柱/纳米等离子体阵列（ExoView 类）：免疫芯片捕获单 EV，多重荧光表型分型——通量低但信息密度高。
• 声流控/介电泳分选：无标记、温和、可集成——纯度与回收率的权衡报告必须完整。
• 磁珠-适配体夹心捕获 + CRISPR 检测：EV 表面标志捕获 + cargo（miRNA）级联放大——"捕获-裂解-CRISPR"全流程集成是当前热点。
• 纸基微流控（μPAD）：毛细流无需泵、可冻干试剂、成本 <$1——与 LAMP/比色读出天然匹配（TB 筛查分流的候选形态）。

6. 性能评价

6.1 分析性能

• 检测下限（LoD，CFU 或拷贝数；报告 95% 检出率浓度——Probit 分析）
• 线性范围
• 特异性和交叉反应（NTM 菌株 panel：M. avium、M. intracellulare、M. abscessus、M. kansasii、M. gordonae）
• 重复性（intra-assay）和再现性（inter-assay/inter-operator/inter-site）
• 抗干扰（溶血、脂血、黄疸、药物）
• 稳定性（储存期、温度运输、冻融循环）
• 反应时间

6.2 临床性能

• 灵敏度、特异度（vs 复合参考标准）
• PPV、NPV（按目标患病率分层报告）
• 无效率和失败率（现场常见"仪器错误率"被低估——发表时必须报告 invalid rate）
• 与参考方法比较（培养+Xpert+临床诊断）
• 不同菌量分层（涂阳/涂阴；Xpert CT 值分层）
• 不同疾病对照（NTM 病、肺炎、肺癌、康复者）
• 多中心外部验证（≥2 个独立现场、不同操作者）

6.3 转化性能

• 单次成本（规模化后，非实验室原型的"每片 $0.5"幻觉）
• 设备和耗材供应链
• 操作培训（非实验室人员可完成？）
• 供应链与本地制造
• 生物安全（卡盒封闭性、气溶胶防护、废弃物）
• 废弃物处理
• 批次放行和质量控制（IVD 注册：CE/中国 NMPA/WHO PQ 列名）
• 是否改变患者管理（临床效用研究——对结局指标的影响，而非仅检测数字）

7. 常见研究陷阱

• 只用人工加标样本，不用真实样本。
• 只和健康人比较，不纳入非 TB 肺病。
• 只报告高浓度条件下的灵敏度。
• 忽略痰液前处理和无效样本。
• 将纳米材料信号增强误写成生物学特异性增强。
• 在同一批样本上完成优化和性能宣称（优化集与测试集未分离）。
• 缺少与培养、DST、PCR 或 WGS 的临床参考比较。
• 回收率/纯度只报其一（富集倍数高但绝对回收 5% → 后续检测依旧失败）。

8. 与你的研究方向的建议

微流控研究最好从"临床瓶颈"反推芯片功能：

明确临床问题（例：HIV+ 疑似 TB 门诊 1 小时内血/尿确诊）
  ↓
选择真实样本和参考标准（前瞻入组，非冰箱存货）
  ↓
定义需要富集的对象（Mtb 菌？LAM？EV-cargo？）
  ↓
设计芯片和信号体系（前处理-捕获-放大-读出全链条）
  ↓
分析性能（LoD/特异性/抗干扰）
  ↓
临床性能（多分层灵敏度）
  ↓
多中心和真实流程验证（护士操作、无实验室环境）

你的差异化切入点（结合胡晔实验室平台与你的 EV/多组学背景）：

1. EV 富集 + cargo 检测一体化：上游做 EV 分离方法学（SEC+微流控对比），下游接 CRISPR/LAMP cargo 读出——"样本进、诊断出"的 TB-EV 诊断链。
2. 痰液/EV 双基质适配：多数 EV 研究只做血浆；痰 EV/支气管灌洗 EV 几乎空白（基质难但信号更近病灶）。
3. 耐药快速分型：EV/菌体中 Mtb 核酸 + CRISPR-突变 discriminate（PAM 逃避设计区分野生/突变型 rpoB）——连接 〔06_耐药、药敏与基因型预测〕。

9. 参考来源

• WHO. Consolidated guidelines on tuberculosis, module 3: diagnosis.
• Welsh JA, et al. MISEV2023.
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.
• Liu GD, et al. Lab Chip. 2022;22:1951–1962. （TB 现场分子检测微流控综述示例）
• Kantsadi AL, Bakalara GP, Economou A, et al. Analyst. 2023;148:1834–1855. （TB 诊断微流控平台综述）
• Nguyen T, et al. Anal Chem. 2020;92:11633–11641. （CRISPR 集成诊断示例——通用方法参考）

预防、疫苗与感染控制

1. 预防的层次

• 减少暴露和传播
• 及时发现并治疗传染源
• 识别和治疗潜伏感染
• 保护高风险人群
• 预防耐药传播和治疗中获得性耐药
• 开发更有效的疫苗
• 改善营养、住房和医疗可及性

2. 感染控制

2.1 管理层面

• 早发现、早报告、早隔离或分流
• 规范诊断和治疗路径
• 监测医务人员和机构内传播（医护 TST/IGRA 阳转监测）

2.2 环境层面

• 通风（自然通风：每小时换气次数 ACH ≥6–12 为常见目标；机械通风负压病房用于耐药/疑似病例）
• 空气过滤（HEPA，便携式 HEPA 在候诊室有效——COVID 时代积累的证据可迁移）
• 紫外线杀菌照射（UVGI/GUV）：上层空间 UV 安装在房间上部照射循环空气（避人眼/皮肤）；远紫外 222 nm 新方向（人存在时消毒）
• 房间布局和患者流动管理（咳嗽礼仪、候诊分区、室外候诊）

2.3 个人防护

• 呼吸防护：N95/FFP2 以上颗粒物防护口罩（标准医用外科口罩保护他人为主，防护佩戴者有限）； fit test 保证密合
• 标准操作和样本处理（BSC 生物安全柜内操作；BSL-3 要求：培养、菌悬液制备、DNA 提取涉及活菌扩增的步骤）
• 培训和暴露后评估（暴露登记+基线检测+随访阳转）

痰处理分级：涂片/分子检测（灭活后）BSL-2 可；培养/药敏/DST/活性菌操作 BSL-3。气溶胶产生操作（离心、涡旋、接种）风险最高。

3. 接触者和潜伏感染

接触者筛查的核心是识别感染和进展风险，并结合活动性疾病排除、年龄、共病、暴露强度和当地指南决定是否预防性治疗。

接触者调查流程（同心圆/环状筛查）：

指示病例确诊
  ↓ 第一圈：家庭接触者（感染率最高 ~30%–50% 若指示病例涂阳）
筛查：症状问诊 → TST/IGRA → 有症状者影像+微生物
  ↓ 第二圈：密切接触（>8 h/周 共处密闭空间）
  ↓ 第三圈：偶然接触（视传播调查需要）
LTBI 阳性 + 排除活动性 → 预防性治疗评估

WHO 推荐的 LTBI 治疗方案（选择取决于年龄、HIV、肝毒性风险、药物相互作用与可及性）：

效果量级：LTBI 治疗降低活动性 TB 风险约 60%–90%（vs 不治疗）；接触者管理的高效环节在"发现-启动-完成"级联（每步漏损都是项目失败点）。

不能把 TST 或 IGRA 阳性直接等同于活动性 TB，也不能仅凭阴性结果在高风险场景完全排除感染（免疫抑制者假阴；窗口期 8–10 周内检测阴性需复测）。

4. BCG与新型疫苗

4.1 BCG 的证据边界

• 保护对象：儿童重症 TB（粟粒性 TB、TB 脑膜炎）保护效力 ~70%–80%（一致证据）；对成人肺 TB 保护效力 0%–80% 波动（地理纬度与距离赤道相关——环境分枝杆菌暴露假说：环境非结核分枝杆菌免疫"抢占"并干扰 BCG 定植）。
• 接种政策：高负担国家出生时接种（中国：出生时皮内 1 剂）；低负担国家选择性接种（高危人群）或已停种。
• 禁忌：免疫缺陷（SCID、HIV 有症状/低 CD4 婴儿慎用——播散性 BCG 感染风险）；孕期不种。
• 不影响诊断：BCG 接种后 TST 可阳性（通常 <10 mm 且逐年衰减），IGRA 不受影响（RD1 缺失）——这是 IGRA 特异度的分子基础。
• 复种：无证据支持（WHO 不推荐常规复种）。

4.2 新型疫苗管线（按平台）

终点选择的科学：感染终点（IGRA 阳转）vs 发病终点（活动性 TB 病例）——前者样本量小周期短但与疾病保护的相关性不完美；后者金标准但需要数万人群、数年随访（发病率 ~0.5%–1%/年 即需大队列）。M72 IIb 用的是"LTBI 人群发病"终点——聪明的人群选择（富集风险人群减少样本量）。

免疫相关物（correlate of protection）缺失是疫苗领域的核心困境：没有"保护性免疫的读数"（如中和抗体之于 COVID），疫苗开发只能靠大临床终点试验——这也是系统免疫学（multi-omics 疫苗试验采样）的机会窗口（连接你的方向）。

4.3 疫苗评价终点分层

疫苗评价应区分感染（IGRA 阳转）、疾病（活动性 TB 发病）、重症（脑膜炎/粟粒）和传播等不同终点——不同疫苗可能在不同终点上表现不同（BCG：重症强、感染几乎无效）。

5. 公共卫生和研究转化

一种检测或干预如果要影响公共卫生，需要评估：

• 可及性（价格、供应链、专利）
• 成本（单价 + 实施 + 系统成本；成本效果分析 ICER）
• 覆盖率（target product profile 与真实采纳的差距）
• 依从性（多剂方案的完成率）
• 不同地区实施差异（冷链、人力、实验室网络）
• 对耐药传播的影响
• 是否减少疾病和死亡，而不仅是提高检测阳性率

WHO 2035 消除目标路径（End TB + 消除阶段补充措施）：现状趋势（年降 ~2%）远不足以达成 2035 目标（需 ~10%/年）；模型研究（Dye 等、WHO 建模组）提示需"疫苗（成人效力 ~60%，覆盖 80%）+ 新诊断 + 短程治疗 + LTBI 大规模治疗"组合拳——单一干预都不够。

6. 参考来源

• WHO. Global Tuberculosis Report 2025.
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.
• Tait DR, et al. N Engl J Med. 2019;380:1621–1630. DOI. （M72/AS01E IIb）
• Nemes E, et al. N Engl J Med. 2018;379:138–149. （BCG 复种 IIb）
• Scriba TJ, et al. Lancet Respir Med. 2017;5:957–968. （MVA85A 婴儿 IIb 失败）
• WHO. Latent tuberculosis infection: updated and consolidated guidelines for programmatic management. 2018; 及 2020 年更新（LTBI 管理指南）。
• Colditz GA, et al. JAMA. 1994;271:698–702. （BCG 效力经典 meta 分析）

研究设计与临床转化

1. 先定义研究问题

一个好的问题应说明：

• 目标疾病和状态
• 样本来源
• 生物学对象
• 暴露或检测特征
• 参考标准
• 主要终点
• 预期应用场景

例如，"EV 是否与 TB 相关"太宽；"治疗前活动性肺 TB 患者血浆 small EV 中的某类 cargo 能否在独立队列中区分 MDR-TB 与药物敏感 TB"更接近可检验问题。

PICO/PECOT 框架迁移（诊断研究用 PICO 变体）：

P（人群）：疑似活动性肺 TB 的 HIV 阴性成人
E（暴露/检测）：血浆 EV-miRNA panel
C（比较）：Xpert Ultra + 培养复合参考标准
O（结局）：诊断准确性（主要）/ 分层治疗分流（次要）
T（时机）：治疗启动前采样

FINER 标准（可行性 Feasible、有趣 Interesting、新颖 Novel、伦理 Ethical、相关 Relevant）——开题自检清单。

2. 研究类型

2.1 发现性研究

寻找差异、候选标志物、网络或机制线索。重点是控制假发现，不把发现结果写成临床结论。

2.2 验证性研究

在独立样本、独立地点或不同平台复现结果。需要预先定义候选特征和分析方法。

2.3 机制研究

通过扰动、阻断、耗竭、补救或遗传互补证明因果链。

2.4 临床验证

关注诊断准确性、校准、决策阈值、临床效用、可实施性和患者结局。

阶段递进的通行框架：发现（Discovery）→ 分析验证（Analytical validation）→ 临床验证（Clinical validation）→ 临床效用（Clinical utility）→ 实施（Implementation）——对应肿瘤标志物 5 阶段模型（Pepe 2001）与 FDA/IVD 监管逻辑。

3. 对照设计

至少根据研究问题考虑：

• 健康对照（IGRA 阴性，且无 TB 暴露史）
• 潜伏感染（IGRA 阳性无症状影像阴性）
• 活动性 TB（培养/分子确认，分层涂阳/涂阴）
• 非结核分枝杆菌病（NTM）
• 非 TB 肺病（肺炎、肺癌、COPD 加重、支气管扩张、结节病）
• 药物敏感 TB
• RR/MDR/XDR-TB
• 治疗前后配对样本（治疗 2 周/2 月动态）
• 不同菌量和病灶负荷
• 不同年龄、性别、共病（HIV/糖尿病）和地点

样本量思维：诊断准确性研究每格需最少事件数（如灵敏度 90% 目标 → 至少 50–100 例阳性病例）；组学发现研究 n≥20/组是底线、n≥50/组才较稳（功效计算：epiR/pmsampsize 包）。

4. 生物标志物研究的关键

• 病例定义必须可靠。
• 参考标准必须明确。
• 发现队列和验证队列要分离。
• 样本前处理要标准化（SOP：采血管类型、处理时限、冻融次数、储存温度）。
• 预处理、特征选择和模型调参不能使用测试集信息。
• 需要报告缺失、无效、排除和失败样本。
• 结果要与病理、菌量、治疗和临床结局联系。

生物样本库规范（你建队列时直接用）：采集——EDTA 血浆（EV/miRNA 研究禁止肝素：抑制 PCR）或血清（蛋白标志）；处理时限——4 h 内离心（miRNA 研究推荐双离心去细胞/血小板）；储存——-80°C、避免冻融（EV 研究 ≤2 次冻融）；记录——采血时间、空腹状态、处理时间、冻融次数、操作者（每个字段未来都可能是混杂变量）。

5. 证据梯度

观察到差异（单中心发现）
  ↓
在独立样本复现（时间外/空间外）
  ↓
定位到细胞/组织或分子来源（哪类细胞释放的EV？哪个亚群？）
  ↓
扰动并产生功能改变（阻断/耗竭/回补）
  ↓
影响菌量、病理或临床结局（动物模型/临床试验）
  ↓
前瞻性、多中心验证（真实世界性能）

6. 结核研究的直接证据与类比

• 直接证据：目标疾病、目标样本、目标人群中完成验证。
• 邻近证据：其他分枝杆菌、其他感染或肿瘤中的相似机制。
• 未验证假设：需要最小区分实验来证明或否定。

写论文时必须显式标注证据来源，不能把肿瘤 EV 机制直接写成 TB 机制。

典型类比陷阱清单：

• 肿瘤 EV-PD-L1 诱导 T 细胞耗竭 → TB 场景未证实，需先测 TB-EV 是否表达 PD-L1 并做功能
• LPS-EV 炎症效应 → Mtb EV 成分不同（脂聚糖而非 LPS），信号通路有重叠但强度与受体不同
• 尿外泌体诊断（膀胱癌/前列腺癌）→ TB 的 EV-LAM 动力学不同（肾滤过屏障+免疫复合物）
• 病毒感染 EV 干扰（如 Dengue NS1+ EV）→ 分枝杆菌胞内/胞外定位不同

7. 因果实验的最小框架

若研究某个 EV cargo 影响 T 细胞：

1. 确认 EV 来源和纯度。
2. 进行剂量和时间梯度。
3. 设立等量 EV、EV 去除液和污染控制。
4. 使用 cargo 阻断、耗竭或回补。
5. 测量 T 细胞功能而非只有标志物。
6. 连接到菌量、病理或临床表型。
7. 在不同供体和独立批次重复。

Bradford Hill 因果准则的 EV 版本翻译：时间顺序（EV 改变先于功能变化）、强度（效应量与剂量）、一致性（多供体/多模型复现）、特异性（cargo 敲低后效应消失）、生物学梯度（剂量反应）、合理性（已知通路）、实验（扰动实验）、类比（谨慎）。

8. 临床转化路线

生物学发现
  → 分析方法标准化（SOP/质控品/参考物质）
  → 单中心验证（回顾样本）
  → 多中心外部验证（前瞻入组）
  → 前瞻性临床研究（干预决策影响）
  → 临床效用/决策研究（患者结局改善）
  → 质量体系和监管（ISO 13485/CE-IVDR/NMPA/WHO PQ）

监管路径速记：欧盟 IVDR（Class C/D 结核诊断需公告机构审核+性能研究）；美国 FDA（510(k) 或 De Novo，结核分子检测多为 PMA）；中国 NMPA（III 类医疗器械注册）；WHO PQ（预认证，采购通行证——Xpert 的全球扩散靠 PQ+ FIND 合作推动降价）。研究的检测性能报告格式直接对标申报要求可大幅减少后期返工（LOD、精密度、干扰、临床性能、稳定性——按 CLSI EP 文件体系设计实验）。

9. 研究计划中常见审查点

• 目标是否过宽（"研究 TB 的 EV" vs "TB-EV 对 CD4 T 细胞 IL-2 产量的影响"）
• 终点是否可以被测量（方法学 LOD 与预期效应量是否匹配）
• 对照是否能排除替代解释
• 是否有样本量依据
• 是否考虑批次和中心差异
• 是否有阳性、阴性、过程和污染控制
• 是否区分机制、标志物和临床应用
• 是否有失败后的替代路线（plan B：标志物不显著 → 探索性重新定义终点？）

10. 报告规范清单（写论文/审稿对照）

预注册：OSF/ ClinicalTrials.gov/ 中国临床试验注册中心（ChiCTR）——预注册分析计划可防 p-hacking 与发表偏倚，审稿加分项。

11. 参考来源

• WHO. Global Tuberculosis Report 2025.
• Welsh JA, et al. MISEV2023.
• Pepe MS, et al. J Natl Cancer Inst. 2001;93:1054–1061. （肿瘤标志物 5 阶段——诊断标志物研究的通用框架）
• Bossuyt PM, et al. BMJ. 2015;351:h5527. （STARD）
• Collins GS, et al. Nature. 2024;625:487–494. （TRIPOD+AI）
• Pai M, et al. Nat Rev Dis Primers. 2016;2:16076. DOI.

术语表、数据资源与工具链

1. 核心术语

1.1 病原与疾病

• Mtb/MTB：Mycobacterium tuberculosis，结核分枝杆菌；正式写作常用 Mtb。
• MTBC：Mycobacterium tuberculosis complex，结核分枝杆菌复合群（含 M. africanum、M. bovis/BCG、M. microti 等）。
• NTM/MOTT：非结核分枝杆菌（non-tuberculous mycobacteria）。
• LTBI：latent tuberculosis infection，潜伏性结核感染。
• ATB：活动性结核（active TB）。
• EPTB/PTB：肺外结核/肺结核。
• TPT：tuberculosis preventive treatment，结核预防性治疗（新术语，替代"预防性化疗"）。
• TBM：结核性脑膜炎。
• IRIS：免疫重建炎症综合征。

1.2 实验室与检测

• AFB：抗酸杆菌（acid-fast bacilli）。
• TST/PPD：结核菌素皮肤试验。
• IGRA：γ-干扰素释放试验（QFT-Plus、T-SPOT.TB）。
• LPA：线性探针检测（line probe assay）。
• LAMP：环介导等温扩增。
• dPCR：数字 PCR。
• tNGS/WGS：靶向/全基因组测序。
• DST/pDST/gDST：药物敏感性试验/表型药敏/基因型药敏预测。
• MIC/CC/ECOFF：最低抑菌浓度/临界浓度/流行病学截断值。
• LoD：检测下限。
• TTP：培养阳性时间（time-to-positivity，菌量代理指标）。
• CT 值（Xpert）：半定量循环阈值，与菌量负相关。

1.3 耐药分类

• INH-R/H-R：异烟肼耐药。
• RR-TB：利福平耐药。
• MDR-TB：至少耐 INH+RIF。
• pre-XDR：MDR/RR + 耐任意氟喹诺酮（2021 定义）。
• XDR-TB：pre-XDR + 耐贝达喹啉或利奈唑胺（2021 定义）。
• DST/药敏谱（drug resistance pattern）。

1.4 分析与组学

• GWAS/LMM：全基因组关联研究/线性混合模型。
• GAM：Group Association Model（本项目语境，非广义加性模型 generalized additive model——同名缩写注意场景！）。
• MOFA/DIABLO：多组学因子分析/多组学整合（mixOmics）。
• EV/sEV/exosome：细胞外囊泡/小 EV/外泌体（严格生物发生定义）。
• MISEV：EV 研究最低信息要求。
• NTA/TRPS/SP-IRIS：纳米颗粒追踪分析/可调电阻脉冲传感/单颗粒干涉成像（EV 表征三大单颗粒技术）。
• MOI/CFU：感染复数/菌落形成单位。
• BSL-3：生物安全三级实验室（Mtb 活菌操作要求）。

1.5 统计与模型评价

• Se/Sp/PPV/NPV：灵敏度/特异度/阳性预测值/阴性预测值。
• AUC/ROC：曲线下面积/受试者工作特征。
• DCA：决策曲线分析。
• NRI/IDI：净重新分类改善/综合判别改善。
• FDR：假发现率。
• ComBat/RUV：批次效应校正方法。
• SHAP：Shapley 加性解释（模型可解释性）。

2. 重要数据库和资源

• TB-Profiler / Mykrobe：基于基因组的谱系和耐药预测工具，使用时核对版本和数据库。
• KvarQ / PhyResSE：耐药/谱系预测（历史工具）。
• MIRU-VNTRplus：MLVA 分型数据库。
• PubMed / Europe PMC：文献和 PMID 检索（Europe PMC 全文 API 友好）。
• Figshare/Zenodo：论文补充数据和代码。
• GEO / ArrayExpress：转录组数据仓库（TB 血液转录组数据集大量存于此，如 GSE multipartite signatures 研究）。
• ImmPort / dbGaP：免疫学数据（受控访问）。
• EV-TRACK / Vesiclepedia / ExoCarta：EV 研究知识库（实验参数+已报道 cargo）。
• ingenuity 论文数据：TB signature 相关（Sweeney 2016 等 meta 签名数据集可在 GEO 复现）。

3. WGS分析工具链

fastp/FastQC（QC）
  → BWA-MEM/minimap2（比对；ONT 用 minimap2）
  → samtools（sort/index/flagstat）
  → bcftools/GATK（variant calling）
  → SnpEff/基于 H37Rv 注释（功能注释）
  → samtools mpileup + ivar（低频变异，混合感染研究）
  → IQ-TREE/FastTree（最大似然树）
  → TB-Profiler/Mykrobe（谱系+耐药，一键式）
  → TransPhylo/outbreaker2（传播重建）
  → pyseer/bugwas/treeWAS（GWAS）
  → PLINK/GEMMA（LMM 关联）
  → scikit-learn/XGBoost（GAM+ML 下游）

具体工具不能脱离数据类型、参考基因组、阈值和版本解释。容器化（Docker/Singularity）+ workflow 引擎（Snakemake/Nextflow）是可复现管线标配——写进方法学的加分项。

4. EV研究工具链

分离表征：
  超速离心（UC）/密度梯度/SEC（qEV/IZON）/TFF
  → NTA（ZetaView/NanoSight）颗粒浓度+粒径
  → TEM/cryo-EM 形态
  → 单颗粒表型（ExoView/SP-IRIS/nanoFACS）
  → WB/ELISA 正负 marker（CD9/CD63/CD81/TSG101/Alix + Calnexin/GM130/ApoA1）
cargo 分析：
  → 蛋白组（LC-MS/MS，DDA/DIA）
  → small RNA-seq（NEBNext/ Takara 文库；exoRNeasy 提取）
  → 脂质组（LC-MS 靶向/非靶向）
功能：
  → PKH67/DiD 摄取示踪（注意染料聚集伪影——用剂量控制+无 EV 对照）
  → 共培养功能读出（增殖/ICS/杀伤）
数据库：
  → Vesiclepedia/ExoCarta/EV-TRACK/ Evpedia

EV 实验报告清单（MISEV2023 核心）：分离方法每步参数（g 值/时间/温度）、储存条件、表征的正负 marker 完整列表、功能性实验的 EV 用量基准（颗粒数/蛋白量）、术语使用（EV/sEV 而非无证据的 exosome）。

5. 机器学习工作流

• Python/R 数据清理（pandas/tidyverse）
• 预注册特征和终点
• 分层训练/验证/测试（患者级切分防泄漏）
• Pipeline 化预处理（sklearn Pipeline——归一化/插补封装防泄漏）
• 交叉验证（分层 K-fold；小样本用重复 CV/nested CV）
• 校准和置信区间（bootstrap）
• 外部验证
• SHAP 或其他解释方法
• 错误样本和不确定样本分析

TB 机器学习论文的复现检查点：代码开源（GitHub+Zenodo DOI）、数据可获取（GEO/SRA 号）、超参数与随机种子、外部验证队列描述——四缺一即"不可复现红旗"。

6. 检索建议

优先检索组合：

• tuberculosis + target mechanism + primary study
• M. tuberculosis + drug resistance + WGS + phenotypic DST
• tuberculosis + extracellular vesicles + T cells
• tuberculosis + microfluidic + clinical sample
• tuberculosis + host response + external validation
• tuberculosis vaccine + efficacy trial（疫苗跟进）
• "Mycobacterium tuberculosis" + "extracellular vesicles" OR "membrane vesicles"（TB-EV 专查）

不要仅根据搜索摘要、新闻稿或会议摘要做临床结论。

文献管理：Zotero（免费、组库共享）+ Better BibTeX（LaTeX）或 EndNote；PDF 标注直接挂在知识库条目（Obsidian Zotero Integration 插件工作流）。

7. 版本和复现

每次使用数据库或模型，都记录：

• 下载日期
• 版本号（如 WHO catalogue v2.0、TB-Profiler v6.x+db v2）
• 参考基因组（H37Rv NC_000962.3 + 注释版本）
• 过滤阈值
• 样本排除规则
• 代码和参数（含随机种子）
• 原始数据访问号
• 结果文件哈希或存档位置

经典文献与权威指南

一、综合总览

1. Pai M, Behr MA, Dowdy D, et al. Tuberculosis. Nature Reviews Disease Primers. 2016;2:16076. DOI: 10.1038/nrdp.2016.76. 覆盖流行病学、病原体、免疫、诊断、治疗、预防和研究方向。入门第一篇。
2. Zumla A, Raviglione M, Hafner R, von Reyn CF. Tuberculosis. New England Journal of Medicine. 2013;368:745–755. DOI: 10.1056/NEJMra1200894. 经典临床综述。
3. WHO. Global Tuberculosis Report 2025. 官方入口. 最新全球疾病负担、诊断、治疗和公共卫生数据入口。
4. Houben RMGJ, Dodd PJ. The Global Burden of Latent Tuberculosis Infection. PLoS Medicine. 2016;13:e1002152. DOI: 10.1371/journal.pmed.1002152. 全球 LTBI 池估算（约 23%）。

二、病原体、基因组与免疫

1. Cole ST, et al. Deciphering the biology of Mycobacterium tuberculosis from the complete genome sequence. Nature. 1998;393:537–544. DOI: 10.1038/31159. Mtb H37Rv 完整基因组的奠基性论文。
2. Flynn JL, Chan J. Immunology of tuberculosis. Annual Review of Immunology. 2001;19:93–129. DOI: 10.1146/annurev.immunol.19.1.93.
3. Russell DG, Barry CE 3rd, Flynn JL. Tuberculosis: What We Don't Know Can, and Does, Hurt Us. Science. 2010;328:852–856. DOI: 10.1126/science.1184787.
4. O'Garra A, et al. The immune response in tuberculosis. Annual Review of Immunology. 2013;31:475–527. DOI: 10.1146/annurev-immunol-032712-095939. 免疫综述里程碑。
5. Gagneux S, Small PM. Global phylogeography of Mycobacterium tuberculosis and implications for tuberculosis product development. PLoS Medicine. 2007;4:e55. （MTBC 谱系与宿主适应）
6. McKinney JD, et al. Persistence of Mycobacterium tuberculosis in macrophages and mice requires the glyoxylate shunt enzyme isocitrate lyase. Nature. 2000;406:735–738. DOI: 10.1038/35021074. 代谢=毒力的开山之作。
7. Berry MPR, et al. An interferon-inducible neutrophil-driven blood transcriptional signature in human tuberculosis. Nature. 2010;466:973–977. （宿主转录组 signature 奠基）

三、耐药和基因型药敏

1. Walker TM, et al. Whole-genome sequencing for prediction of Mycobacterium tuberculosis drug susceptibility and resistance: a retrospective cohort study. The Lancet Infectious Diseases. 2015;15:1193–1202. DOI: 10.1016/S1473-3099(15)00062-600062-6).
2. CRyPTIC Consortium and 100,000 Genomes Project. Prediction of susceptibility to first-line tuberculosis drugs by DNA sequencing. New England Journal of Medicine. 2018;379:1403–1415. DOI: 10.1056/NEJMoa1800474. 大规模 WGS-pDST 配对评估。
3. Walker TM, et al.; CRyPTIC Consortium. The 2021 WHO catalogue of Mycobacterium tuberculosis complex mutations associated with drug resistance: a genomic, statistical, and estimator evaluation. The Lancet Microbe. 2022;3:e265–e273. DOI: 10.1016/S2666-5247(21)00301-300301-3).
4. WHO. Catalogue of mutations in Mycobacterium tuberculosis complex and their association with drug resistance, second edition. 2023. 官方目录.
5. Saliba JG, Zheng W, Shu Q, et al. Enhanced diagnosis of multi-drug-resistant microbes using group association modeling and machine learning. Nature Communications. 2025;16:2933. DOI: 10.1038/s41467-025-58214-6. 本项目正在精读的 GAM+ML 论文。

四、诊断与治疗指南

1. WHO. WHO consolidated guidelines on tuberculosis: module 3, diagnosis. 2025. 官方文件.
2. WHO. WHO consolidated guidelines on tuberculosis: module 4, treatment and care. 2025. 官方文件.
3. WHO. The use of targeted next-generation sequencing to detect drug-resistant tuberculosis. 2023. 官方文件.
4. Dorman SE, et al. Xpert MTB/RIF Ultra for detection of Mycobacterium tuberculosis and rifampicin resistance: a prospective, multicentre, diagnostic accuracy study. Lancet Infectious Diseases. 2018;18:76–84. DOI: [10.1016/S1473-3099(17)30691-6]. （Ultra 性能）
5. Broger T, et al. Novel lipoarabinomannan point-of-care tuberculosis test for people living with HIV. Lancet Infectious Diseases. 2020;20:802–811. （高敏 LAM）
6. Conradie F, et al. BPaL 耐药方案（ZeNix）. New England Journal of Medicine. 2022;387:810–820. DOI: 10.1056/NEJMoa2119430.
7. Nyang'wa B, et al. A 6-month regimen of bedaquiline, pretomanid, and linezolid (BPaLM) for rifampicin-resistant tuberculosis: TB-PRACTECAL. Lancet. 2023;401:2211–2224. DOI: 10.1016/S0140-6736(23)00313-400313-4).
8. Dorman SE, et al. Four-month rifapentine regimens (S31/A5349). New England Journal of Medicine. 2021;384:1705–1718. DOI: 10.1056/NEJMoa2034865.

五、疫苗与预防

1. Tait DR, et al. Final analysis of a trial of M72/AS01E vaccine to prevent tuberculosis. New England Journal of Medicine. 2019;380:1621–1630. DOI: 10.1056/NEJMoa1809974. 50 年来首个达疗效终点的 TB 疫苗。
2. Nemes E, et al. Prevention of M. tuberculosis infection with H4:IC31 vaccine or BCG revaccination. New England Journal of Medicine. 2018;379:138–149. （BCG 复种 IIb）
3. Scriba TJ, et al. A phase IIb trial of the new tuberculosis vaccine MVA85A in BCG-vaccinated infants. Lancet Respiratory Medicine. 2017;5:957–968. （教科书级失败案例）
4. Colditz GA, et al. Efficacy of BCG vaccine in the prevention of tuberculosis. JAMA. 1994;271:698–702. （BCG 经典 meta）
5. WHO. Latent tuberculosis infection: updated and consolidated guidelines for programmatic management. 2018/2020 更新. 官方入口.

六、EV、多组学与转化研究

1. Welsh JA, et al. MISEV2023: An updated guide to EV research and applications. Journal of Extracellular Vesicles. 2024;13:e12416. DOI: 10.1002/jev2.12416.
2. Théry C, et al. Minimal information for studies of extracellular vesicles 2018 (MISEV2018). Journal of Extracellular Vesicles. 2018;7:1535750. DOI: 10.1080/20013078.2018.1535750.
3. Schorey JS, Cheng Y, Singh PP, Smith VL. Exosomes and other extracellular vesicles in host–pathogen interactions. EMBO Reports. 2015;16:1500–1512. DOI: 10.15252/embr.201540716. TB-EV 直接相关综述。
4. Sweeney TE, et al. Robust biomarker signatures for TB from whole-blood gene expression. Lancet Respiratory Medicine. 2016;4:509–511. （宿主 signature meta）

七、报告规范

1. Bossuyt PM, et al. STARD 2015. BMJ. 2015;351:h5527.
2. Collins GS, et al. TRIPOD+AI. Nature. 2024;625:487–494. DOI: 10.1038/s41586-023-06788-w.
3. Page MJ, et al. PRISMA 2020. BMJ. 2021;372:n71.

八、推荐阅读顺序

第一层（打地基，~1 周）：
  Pai 2016 总览 → Zumla 2013 临床
    → WHO Global TB Report 2025（翻图表）

第二层（机制，~2 周）：
  Cole 1998 基因组 → McKinney 2000 代谢
    → Flynn & Chan 2001 / O'Garra 2013 免疫
    → Berry 2010 宿主转录组

第三层（耐药+诊断，~2 周）：
  Walker 2015 WGS耐药 → CRyPTIC 2018
    → WHO 2023 耐药目录（工具书式查阅）
    → Dorman 2018 Ultra → WHO module 3 诊断指南

第四层（治疗+疫苗，~2 周）：
  WHO module 4 治疗指南 → Nyang'wa 2023 BPaLM
    → Tait 2019 M72 → Nemes 2018/Scriba 2017（对照读）

第五层（你的方向，持续）：
  MISEV2023/2018 → Schorey 2015 TB-EV
    → GAM+ML 论文精读 → 空间组学/单细胞 TB 新作跟踪

九、引用使用规则

• 事实性临床和政策结论优先引用 WHO 指南或权威报告。
• 机制结论优先引用原始研究，并注明体外、动物或人体模型。
• 数据库、模型和工具要记录版本和访问日期。
• 跨疾病类比必须明确标注为类比或假设。
• 不把搜索摘要、新闻报道或会议摘要作为充分的临床证据。