本文在以下内容中提到：

介绍

脓毒症是一种死亡率高的复杂疾病身体对感染反应失调的速率(1). 先前的一项研究报告严重脓毒症和脓毒症休克的死亡率28.3-41.1% (2). 尿失禁是一种严重感染源于泌尿系统(三). 总共约25%的败血症病例发生在成年人身上(2). 尿毒症的死亡率很高，2018年的一项研究报告称，它导致了1.6人以上的死亡美国和欧洲有数百万患者(4). 尿毒症的主要原因之一尿路梗阻伴尿路结石是主要驱动因素吗(5,6). 快速治疗对改善病情至关重要患者的生存率和预后第三次脓毒症和脓毒症休克国际共识强调早期识别脓毒症发病的重要性(7). 因此，寻找潜力及时诊断尿毒症的生物标志物是当务之急。

长非编码RNA（LncRNAs）是一种具有>200个没有编码蛋白质潜力的核苷酸(8,9). 相反，LncRNAs调节许多重要的生物功能，如表观遗传学、细胞周期和细胞分化调节(8-10).一些研究表明，LncRNAs可能与脓毒症的发生(11-14)可以预测脓毒症的严重程度(15). 然而，尽我们最大的努力据了解，没有研究评估LncRNAs的疗效预测尿毒症发生的生物标志物。因此本研究旨在发现潜在的LncRNAs预测尿毒症发生的生物标志物。

生物信息分析以前用于发现疾病发生中潜在的基因改变(16)事实证明发现特异性基因标记的有效方法膜性肾病和皮肌炎等疾病(17,18). 在本研究中，我们将GEO数据库被用来寻找潜在的LncRNAs脓毒症中的表达。共有9种潜在的LncRNAs与败血症相关。这些LncRNAs的表达是在临床样本中验证。发现3个LncRNAs，MALAT1，NEAT1和DSCR4的表达随着尿脓毒症而改变。此外，他们的表达可以预测尿毒症的发生和反映疾病的严重程度。最后，它发现这些LncRNAs的表达正常化为对照患者尿毒症恢复时的水平。的结果本研究表明，LncRNAs、MALAT1、NEAT1和DSCR4作为潜在的生物标记物，可以预测尿毒症的发生和反映疾病的严重程度。

材料和方法

数据来源

GEO数据库[网址：http://www.ncbi.nlm.nih.gov/geo/; 国家中心生物技术信息（NCBI）]是一个公共数据库提供基因表达、芯片和微阵列数据(19). 在目前的研究，该数据库中的基因数据集包括脓毒症患者和健康对照组中LncRNA的表达已搜索。此外，数据集必须包含完整的本分析中使用的临床数据。总共两个基因数据集，GSE145227和GSE89376(20,21)被纳入本研究。GSE145227包括来自12的数据健康人和10名脓毒症患者，以及GSE89376包括12名健康人和12名败血症患者。GSE145227数据集包括儿科年龄<40个月的脓毒症患者和GSE89376数据集包括20岁以上患者的数据。

潜在lncRNA的鉴定与尿脓毒症相关

LncRNAs的原始微阵列表达数据来自GSE145227和GSE89376作为Series Matrix文件下载自GEO数据库并根据来自GEO数据库的SOFT格式的族文件。主要数据使用R的Limma包进行标准化(22,23).具有调整后P<0.05和|log的基因2折叠变化|>1被认为是潜在的LncRNAs(24). 之后，在线网络工具，生物信息学(http://www.bioinformatics.com.cn/)，习惯于构建维恩图并找出潜在的LncRNAs进一步记录上调和下调LncRNAs分析。

临床样本采集

收集尿毒症患者的样本2022年2月至2023年7月，仅有尿脓毒症患者由本研究中的泌尿系结石引起。这个纳入研究的患者必须年满18岁，并且没有免疫缺陷。败血症患者不是由泌尿系统感染，患有免疫缺陷病或服用免疫抑制药物且不愿意不包括参与本研究的人员。计算机断层扫描（CT）扫描被用来确认患者有泌尿系结石(图S1). 总共40名患者（14名男性患者和26名女性患者；年龄范围：49-86岁）40名健康者（20名男性和20名女性；年龄范围48-88岁）研究中包括个人。血液样本为收集确诊为尿毒症患者24h内的资料。序贯器官衰竭评估（SOFA）评分≥2分的患者被定义为患有尿脓毒症(25). 接下来，根据感染性休克患者进一步分为尿脓毒症组和脓毒症休克组。血液样本为患者康复后再次采集。同时，血液样本采集自健康对照个体在金山亭林医院接受了健康检查区（中国上海）。本研究由上海市金山区亭林医院伦理委员会，中国；批准号2022-06）。向所有人解释了这项研究参与者提供了血液知情同意书样本采集。

临床数据采集

患者和健康对照组的基线数据在知情同意后收集以参与研究。影像学检查（CT）证实尿败血症是由泌尿系结石引起的。其他信息，如合并症并收集炎症指标。此外，当患者被证实患有由尿路结石引起的尿路败血症，在24小时内采集血样。常规血液检测（血红蛋白、白细胞和血小板水平）检测肝功能、肾功能和收集免疫指标（TNF-α、IL-1、IL-6、IL-8）本研究采用非配对t检验进行分析。此外同时收集患者的合并症。所有这些指标由廷林医院临床实验室进行分析。

RNA提取和RT-qPCR

使用三唑®试剂符合制造商的说明（Sigma-Aldrich；Merck KGaA）。简单地说，RNA是反向的使用RT试剂盒转录成cDNA（37℃15分钟；85℃15分钟秒）（优势®RT-for-PCR试剂盒；Takara生物公司）。根据制造商的说明，进行RT-qPCR使用Applied Biosystems 7500序列检测系统（ThermoFisher Scientific公司）。cDNA、RT-qPCR试剂和实验过程（TB绿色®预混料Ex塔克™II类；Takara Bio Inc.）是根据制造商说明（95˚C下变性30秒；4095℃循环3秒，60℃循环30秒；4˚C退火）。GAPDH作为正常对照。底漆由Sangon Biotech Co.，Ltd.首先，每个LncRNA和GAPDH取自NCBI(https://www.ncbi.nlm.nih.gov/). 之后，基因ID已输入底漆库(https://pga.mgh.harvard.edu/primerbank网站/)以获得潜在的引物序列。具有最小值的引物序列本研究选择温度（Tm）。如果底漆无法从引物库中获得整个基因的序列序列被发送给Sangon Biotech Co.，Ltd.，后者随后返回引物序列。RNA的表达根据到2-ΔΔCq方法(26). 使用的引物如所示表一.

表一 RT-qPCR中使用的引物。

表一

RT-qPCR中使用的引物。

基因名称	底漆序列
马拉特1	传真：5’-AAAGCAAGGTCTCCCACAAG-3’
	回复：5'-GGTCTGTGCTAGATCAAAAGGCA-3
NEAT1公司	传真：5’-GCACTGGTACTGGGAGGATG-3’
	回复：5'-CAACTTCTCACTTCCAAGCAACAAC-3’
DSCR4型	传真：5英尺-GATGAACCCCGGATATTTACCC-3英尺
	回复：5’-CAGGAAACGATGTTGCAGACT-3’
风险管理建议	传真：5'-GTTTCCTCCCCTTTCCGCCTAG-3'
	回复：5’-AGAATGAGCCCCGTGGTTG-3’
LncIRX5号机组	传真：5'-TCTGGCAGAGACCTTGCAA-3'
	回复：5’-CACCTGGCTTCTTGGCTGC-3’
LINC01742公司	传真：5’-CTGCTGTCACTTAGAACTCATCCTG-3’
	回复：5’-TTGTCACTCACCTCACCTCTCCAG-3’
C22ORF34型	传真：5'-GGCTCTGTGGCTGTCCATCAATC-3'
	答：5'-ATCTGGGCATCCTCCTGGTG-3'
LINC00381（链接C00381）	传真：5’-GTTCCTCAAGTGCCGCCAAAG-3’
	回复：5'-TCTCCTGTTGTTAGGTCAATGTG-3'
LINC01102公司	传真：5'-TGGAGAAGAGTGTTACTGAAGG-3'
	回复：5’-AGGACTGCCGTGAACAGGAAG-3’
GAPDH公司	传真：5'-ACAACTTTGGTAGAGG-3'
	回复：5’-GCCATCACGCCACAGTTTC-3’

[一]F、 向前；R、，相反。

风险预测模型的构建和诊断模型

预测能力和风险值评估确定的尿路感染LncRNAs。一个接收器构建了运行特性（ROC）曲线，并进行了逻辑分析回归模型通过R中的“pROC”和“rms”包进行软件，分别(27,28).此外，还使用了森林地图来显示更多的危害比率凭直觉判断。构建诺模图以预测这些因子通过R中的“rms”包表示。同时建立了诺模图的修正曲线。

相关性分析

LncRNAs表达的相关性临床数据采用Spearman秩相关检验进行分析结果通过散点图反映出来。P<0.05为被视为表明这些因素。

统计分析

所有实验至少重复三次数据表示为平均值±标准偏差。数据为使用未配对Student t检验对两组和此外，通过以下方法分析了不同组之间的性别χ2测试。GEO数据库中的芯片数据为在R中使用不同的包进行分析（R版本4.0.3；http://www.r-project.org). 列线图和ROC曲线是使用R软件“autoReg”包创建的。P<0.05被认为表明具有统计显著性差异。

结果

潜在LncRNAs的鉴定与脓毒症相关

共有两个GSE数据集，GSE145227和GSE89376，包括脓毒症患者和健康控制。下载了所有RNA测序数据生成的火山图反映了这些区域内的LncRNAs数据集(图1A和B类). 共有857个LncRNA上调从GSE145227中鉴定出431个下调的LncRNAs(图1A). 此外，5过表达从GSE89376中鉴定出12个低表达LncRNAs(图1B). 之后，LncRNAs在这两个数据集中都被上调和下调分析。最后，五个LncRNAs（MALAT1、NEAT1、RMRP、LncIRX5和LINC01742）和四个LncRNA（DSCR4、C22ORF34、LINC00381和LINC01102）分别上调和下调与脓毒症发生相关(图1C和D类). 此外，特定表达式在这两个数据集中的九个LncRNAs中表SI.

图1 潜在LncRNAs与从GSE145227和GSE89376数据集检测到败血症。（A） 火山地图反映了GSE145227中的DEL。（B） 火山图反映了DEL来自GSE89376。（C） 维恩图反映了在GSE145227和GSE89376。（D） 维恩地图反映了下调GSE145227和GSE89376之间的DEL。LncRNAs，长非编码RNA；DEL，不同表达的LncRNAs。

潜在lncRNA的鉴定与尿脓毒症相关

在确定潜力之后LncRNAs与脓毒症相关这些LncRNAs与尿毒症的发生相关调查。6例尿毒症患者的血样收集尿路结石患者和6名健康对照者。临床6名患者的信息显示在表SII.9的表达式分析组间已鉴定的LncRNAs。总共两个LncRNAs，MALAT1和NEAT1在尿毒症和一种LncRNA，DSCR4在患者中下调伴有尿脓毒症(图2). 其他之前提到的LncRNAs没有显著的两组之间的表达模式不同。

图2 九种LncRNAs在尿毒症患者和健康人。（A） 的表达式MALAT1、（B）NEAT1、（C）RMRP、（D）LncIRX5、（E）LINC01742、（F）DSCR4、，（G） C22ORF4、（H）LINC00381和（I）LINC01102。RT-qPCR实验采用GAPDH作为内部对照。结果是表示为平均值±标准偏差。**P<0.01和***P<0.001。ns，不显著；LncRNAs，长非编码RNA。

LncRNA MALAT1、NEAT1和DSCR4是与以下疾病的发生和严重程度相关尿脓毒症

在发现三个与之相关的LncRNAs后对于尿毒症，研究了这些LncRNAs是否能够反映疾病进展。因此，40名患者的血样收集尿毒症患者和40名健康对照。这个参与者的基线特征如所示表二接下来，40名患者根据病情分为尿脓毒症组和感染性休克组9月3日感染性休克的定义(7). 有关这些的详细信息患者组如所示表三除SOFA得分外，其他指标无差异（P=0.004）。这表明SOFA得分可以反映患者尿毒症的严重程度。接下来在大量患有尿毒症（40例）。发现了MALAT1和NEAT1患者的DSCR4显著增加尿脓毒症(图3A-C). 在此外，MALAT1、NEAT1和DSCR4也反映了脓毒症的严重程度，因为MALAT1、NEAT1的表达发生了较大变化感染性休克患者的DSCR4(图3D-F). 这些结果表明MALAT1、NEAT1和DSCR4是发生的潜在生物标志物尿毒症的严重程度。

图3 （A） MALAT1，（B）NEAT1的表达和（C）DSCR4在健康个体和尿毒症患者中的表达。（D） MALAT1、（E）NEAT1和（F）DSCR4在尿脓毒症或感染性休克。RT-qPCR实验使用GAPDH作为内部控制。结果显示为平均值±标准偏差。*P<0.05，**P<0.01。ns，不显著；LncRNAs，长非编码RNA。

表二 患者的基线特征结石引起的尿脓毒症。

表二

患者的基线特征结石引起的尿脓毒症。

特点	患有以下疾病的患者尿脓毒症（n=40）	健康对照（n=40）
性别
男	14	20
女性	26	20
年龄，年	69.5±12.19	65.4±8.94
体重指数，千克/米2	24.9±2.47	23.71±3.11
白细胞，109/我	14.86±9.37	8.76±3.12
平板电脑，109/我	124.97±73.1	182.11±94.73
总胆红素，微摩尔/升	23.85±21.44	16.77±11.32
Scr，µmol/l	165.62±134.92	74.87±45.89
白蛋白，g/l	38.73±7.13	46.74±10.52
乳酸，毫摩尔/升	2.64±1.49	不适用
SOFA得分	6.25±3.87	不适用
CRP（毫克/升）	137.1±89.54	不适用
PCT（纳克/毫升）	31.84±21.42	不适用
肿瘤坏死因子-α，pg/ml	96.68±84.66	不适用
IL-1，微微克/毫升	6.32±2.21	不适用
IL-6，微微克/毫升	412.14±296.54	不适用
IL-8，微微克/毫升	142.76±122.99	不适用
共病(%)
糖尿病	18(45)	不适用
高血压	10(25)	不适用
血管的疾病	2（5）	不适用
恶性肿瘤肿瘤	3 (7.5)	不适用
其他疾病	6（15）	不适用
石头的位置(%)
肾脏	11 (27.5)	不适用
输尿管	29 (72.5)	不适用

[一]BMI，体重指标；白细胞，白细胞；血小板；血清肌酐；SOFA，序贯器官衰竭评估；CRP、C反应蛋白；PCT，降钙素原；不适用。

表III 患有以下疾病的患者的特征尿脓毒症，伴或不伴感染性休克。

表III

患者的特征尿脓毒症，伴或不伴感染性休克。

特点	没有感染性休克，n=25	患有以下疾病的患者感染性休克，n=15	P值
性别			0.86
男	9	5
女性	16	10
年龄，年	71.5±10.87	66±14.7	0.19
体重指数，千克/米2	24.6±2.16	25.5±3.31	0.43
温度，˚C（摄氏度）	38.4±1.21	38.44±1.97	0.92
白细胞，109/我	13.52±8.82	17.36±11.59	0.23
SOFA得分	4.85±3.41	8.76±3.53	0.004
CRP（毫克/升）	119.74±84.88	169.95±91	0.08
PCT（纳克/毫升）	30.32±24.17	35.37±27.14	0.77
肿瘤坏死因子-α，pg/ml	94.92±53.32	98.67±69.82	0.59
IL-1，微微克/毫升	5.96±1.85	6.71±4.21	0.51
IL-6，pg/ml	400.57±268.01	413.36±335.49	0.62
IL-8，微微克/毫升	122.26±118.41	196.84±135.04	0.77

[一]白细胞、白血球细胞；血小板；血清肌酐；SOFA，序贯器官失效评估；CRP、C反应蛋白；PCT、，降钙素原。

MALAT1、NEAT1和DSCR4的值尿脓毒症的诊断

接下来，这些LncRNAs是否可以诊断利用ROC曲线研究尿脓毒症的生物标志物。是的发现上述LncRNAs无效预测尿毒症发生的生物标志物。MALAT1有一个区域曲线下（AUC）值0.632（95%CI，0.571-0.693），NEAT1AUC值为0.638（95%CI，0.584-0.692），DSCR4为AUC值为0.618（95%CI，0.584-0.688；图4A-C). 然而，将三者结合起来LncRNAs共同表明AUC具有良好的诊断能力值0.872(图4D). 这个LncRNAs预测脓毒症严重程度的能力评估。然而，结果表明，LncRNAs，不能单独预测尿路感染性休克的发生有效。MALAT1的AUC值为0.625（95%CI，0.566-0.684），NEAT1的AUC值为0.588（95%CI，0.517-0.658）DSCR4的AUC值为0.640（95%CI，0.503-0.677）感染性休克的诊断(图。4E-G公司). 然而，结果表明这些LncRNAs在预测发生感染性休克，AUC值为0.856(图4H). 总之MALAT1、NEAT1和DSCR4 LncRNAs一起可以预测发生尿路感染和尿路感染性休克。

图4 （A）MALAT1英寸的ROC曲线诊断尿脓毒症，（B）NEAT1诊断尿脓毒血症，（C）DSCR4在诊断尿脓毒症时，（D）三种LncRNAs的组合诊断尿脓毒症，（E）诊断脓毒症休克的MALAT1，（F）NEAT1诊断脓毒性休克，（G）DSCR4诊断脓毒性休克和（H）联合三种LncRNAs诊断脓毒症震惊。AUC，曲线下面积；ROC，接收器操作特征；LncRNAs，长非编码RNA。

MALAT1、NEAT1和DSCR4的相关性SOFA评分和免疫因子

由于SOFA评分可以预测脓毒症的严重程度分析SOFA评分与三种LncRNAs的相关性。NEAT1是唯一与SOFA显著相关的LncRNA得分（R=0.35；P=0.028；图。5安-C). 这表明NEAT1可能是一种有效的生物标记物脓毒症的严重程度。SOFA评分与NEAT1的相关性在尿毒症和感染性休克组也进行了分析发现在这些不同的组中，NEAT1也与SOFA得分。具体而言尿脓毒症组的SOFA评分和NEAT1（R=0.42；P=0.022）和感染性休克组（R=0.32；P=0.041；图S2和B类). 这表明NEAT1是与疾病严重程度相关。败血症是由免疫和炎症因子风暴(29,30).因此，我们假设上述LncRNAs和免疫因子。为了确认这一点MALAT1、NEAT1和DSCR4与TNF-α、IL-1、IL-6的相关性评估IL-8。然而，LncRNA与免疫因子被鉴定(图。5D-O型). 这表明LncRNAs不是免疫依赖性的。

图5 LncRNAs与SOFA的相关性评分和免疫学因素。（A） MALAT1之间的相关性，（B） NEAT1、（C）DSCR4和SOFA评分。（D） 之间的相关性MALAT1、（E）NEAT1、（F）DSCR4和TNF-α。（G） 之间的相关性MALAT1、（H）NEAT1、（I）DSCR4和IL-1。（J） 之间的相关性MALAT1、（K）NEAT1、（L）DSCR4和IL-6。（M） 之间的相关性MALAT1、（N）NEAT1、（O）DSCR4和IL-8。LncRNAs，长非编码RNA；SOFA，序贯器官衰竭评估。

MALAT1、NEAT1和DSCR4在尿毒症发展中的作用

构建风险预测模型以评估MALAT1、NEAT1和DSCR4是否为尿毒症的危险因素，单因素和多因素logistic回归分析执行。首先，创建了一个森林地图，以可视化LncRNAs的预测能力。性别、MALAT1和DSCR4为被确定为尿毒症的重要危险因素因子逻辑模型(图6A),但在多重因素中没有发现个体风险因素logistic模型(图6B).在此之后，尿毒症的列线图和校准曲线为创建以包含来自这些因素的信息，包括DSCR4和可能预测尿毒症的MALAT1。列线图表明DSCR4具有最高的尿毒症风险。此外，它显示老年人和女性患者可能发展为尿毒症(图。6摄氏度和D类). 这些结果提示DSCR4和MALAT1的表达变化可能表明尿毒症的发生、年龄和性别是重要因素用于尿毒症的发生。

图6 森林地图和列线图反映了MALT1、NEAT1和DSCR4 LncRNAs在发生尿脓毒症中的风险。（A）单因素逻辑回归和（B）多因素回归分析反映了LncRNAs在致病菌中的价值尿脓毒症。（C） 反映多种因素风险的诺模图（年龄、性别、LncRNAs表达）与尿毒症的关系。（D）实际风险概率和诺模图风险的校准图诺模图。lncRNA，长非编码RNA。

MALAT1、NEAT1和DSCR4的特异性预测尿脓毒症

最后，MALAT1、NEAT1和通过比较LncRNA，研究DSCR4对尿毒症的依赖性40例尿路脓毒症患者康复后的表达与健康人士进行交流。当相同的患者从尿脓毒症，MALAT1、NEAT1和DSCR4的表达没有与健康人显著不同(图7A-C). 这些结果证实了MALAT1、NEAT1和DSCR4的表达变化是尿路感染依赖性。综上所述，这些数据表明MALAT1，NEAT1和DSCR4可能是预测尿毒症的指标发生。

图7 三种LncRNA的表达尿脓毒症康复患者与健康患者的比较个人包括（A）MALAT1（B）NEAT1（C）DSCR4。RT-qPCR实验使用GAPDH作为内部控制。结果是表示为平均值±标准偏差ns，不显著；LncRNAs，长非编码RNA。

讨论

脓毒症是一种由失调引起的严重疾病宿主对感染的反应(31).它会引发急性器官功能障碍，并具有高风险死亡(32). 它的高发病率死亡率意味着它是一项重要的公共卫生可能导致全球严重经济负担的问题(33,34).尿失禁是一种脓毒症，发生于感染时来源于泌尿系统，发病率也很高和死亡率(2,5). 及时诊断和治疗尿脓毒症对改善患者预后非常重要(35,36). 尿毒症最常见的原因是梗阻性疾病，还有一些因素，如输尿管结石、异常、狭窄或肿瘤可导致泌尿系统障碍(37,38). 然而，输尿管结石是尿路梗阻和尿脓毒症的最常见原因(39). 因此，发现预测尿毒症发生的有效生物标志物是对改善患者预后至关重要。

许多生物标记物用于诊断败血症，如C反应蛋白（CRP）和降钙素原（PCT）(40). CRP水平可能会上升急性损伤、急性炎症和脓毒症时迅速发作另外可以反映感染的严重程度。然而其他因素可导致CRP升高，如损伤和肝脏疾病(40,41). 此外，PCT水平可能会上升发生严重感染(40)也可以反映出感染(42). 然而，a其他因素的数量也可能导致PCT的上升，如肾脏不足和以前的严重感染(43). 因此，CRP和PCT都有脓毒症诊断敏感性高，特异性低。其他生物标志物，如IL-6、肝素结合蛋白和血清淀粉样蛋白A、 可以帮助预测脓毒症(44-46);然而，这些生物标记物在其诊断能力，例如它们对诊断败血症。因此，基于上述原因生物标记物不是诊断脓毒症的理想工具(47,48).

LncRNAs不编码蛋白质，而是调节以各种方式发挥生物功能，例如通过影响基因通过转录后调控表达并参与癌症发展是导致癌症进展的关键因素(8-10).先前的研究表明，LncRNAs对脓毒症的重要性预测性生物标志物。邱等(14)已报告RMRP可以防止sepsis诱导小鼠心肌细胞凋亡的调控miR-1-5p/hsp70。此外，lncRNA牛磺酸上调1可以靶向治疗减轻脓毒症所致肺损伤miR-34b-5b/GAB1(14). 此外，lncRNA MEG3可以预测脓毒症的严重程度和预后(15). 综上所述，这些研究已经表明LncRNAs对脓毒症和也可以作为预测生物标记物。因此，本研究旨在寻找其他生物标志物来预测尿毒症的发生。

生物信息学方法用于发现潜在的LncRNAs与脓毒症相关。共有9个LncRNAs假设对脓毒症的发生很重要来自GSE145227和GSE89376数据集。然而，有一个在每个数据集。这种差异首先可能是因为数据集使用不同基因的不同测序方法筛选方法。其次，GSE145227数据集包括年龄<40个月的患者，但GSE89376数据集包括来自20岁以上患者的数据，并被视为该年龄可能对败血症有不同的反映。上述内容原因可能是导致这两种基因中LncRNAs的变异数据集。

9种LncRNAs在乳腺癌患者中的表达对尿脓毒症进行评估。发现三种LncRNAs，包括MALAT1、NEAT1和DSCR4在尿脓毒症。此外，这些LncRNAs可以预测其发生尿毒症和感染性休克。值得注意的是，表达式中的变化MALAT1和DSCR4水平被确定为潜在风险尿毒症的因素，NEAT1也与尿毒症相关严重程度。因此，本研究的结果表明这些LncRNAs是尿毒症和脓毒症的潜在生物标志物震惊。此外，列线图数据显示，年龄和性别导致尿毒症的重要因素。特别是老年人女性患者发生尿毒症的风险更高，这与之前的研究一致(49,50),因此，这些患者需要更积极的治疗。

此外，还假设其他并发症，如糖尿病和输尿管结石位置也可能影响尿毒症的发生。许多研究都有据报道，糖尿病患者表现出免疫功能受损功能和加重的传染病，因此这些患者感染脓毒症的风险更高(51,52).此外，石头的位置也是一个重要因素影响尿毒症的发生。研究发现结石的位置和大小会影响尿毒症的发生。A类较大的结石导致更严重的梗阻，并使患者更容易发生尿脓毒症(53,54).尽管上述原因也会影响尿毒症，本研究的目的是寻找潜在的lncRNA可以预测尿毒症的发生，因此未进一步分析其在引起尿脓毒症中的作用。

MALAT1具有多种生物功能。例如，它可通过TDP43调节抗病毒先天免疫(55). 此外，它与乳腺癌和卵巢癌的发生(56,57).在脓毒症中，MALAT1介导LPS治疗的细胞增殖靶向miR-146a-PI3K/Akt/mTOR轴的关节软骨细胞(58). 此外，MALAT1加速骨骼肌细胞凋亡和炎症脓毒症的反应(11). NEAT1公司可导致多种癌症的发生，如乳腺癌和胃癌(59,60). 此外，它还可以调节炎症反应包括角膜的调节促进炎症反应的新生血管(61). 尽管据报道NEAT1正在推广脓毒症相关炎症(62-64),一项研究报告称，NEAT1可以减轻炎症回应(12). 此外，它可以反映脓毒症的严重程度和进展(65). 然而，之前的研究没有发现DSCR4与脓毒症之间存在相关性。在本研究中研究发现，NEAT1也可以预测尿毒症的严重程度。拿这些结果表明，MALAT1、NEAR1和DSCR4LncRNAs可以作为预测尿毒症发生和反映疾病的严重程度。

本研究有几个局限性。第一，虽然所用的RNA序列数据来自患者对于脓毒症，这些数据可能与尿脓毒症患者不同。这可能意味着这些LncRNAs不仅可以预测尿毒症，而且还有败血症。因此，这些LncRNAs在预测尿脓毒症可能是有缺陷的。第二，只包括40患者包括在本研究和这个小样本中大小可能会产生偏差。因此，实验结果需要更大样本量的验证。此外，进一步还需要进行研究来衡量其他因素是否可以影响这些LncRNAs的表达。第三，基础尿毒症中LncRNA表达变化的机制是仍不清楚，需要在未来加以说明。

总之，三种LncRNAs，MALAT1、NEAT1和DSCR4被确定为潜在的生物标记物，用于预测本研究中尿毒症的发生。此外，它是也表明这些LncRNAs可能反映了尿脓毒症。

补充材料

尿路典型图像研究中包括患者的结石。

表达式之间的相关性（A）败血症和（B）败血症患者的NEAT1和SOFA评分震惊。SOFA，序贯器官衰竭评估。

九种LncRNAs的表达趋势不同的数据集。

6名患者的临床信息伴有尿脓毒症

致谢

不适用。

基金

资助：该研究由医学和卫生科技创新金山区委员会（批准号：2022-WS-23）。

数据和材料的可用性

本研究中产生的数据可能是通讯作者要求。

作者的贡献

JS和LP采集了血样和临床来自患者和健康个体的数据RT-qPCR实验。WC分析数据并执行统计分析。YW从公共数据库和写了手稿。所有作者阅读并批准了最终版本手稿的版本。JS和YW确认所有原始数据。

道德批准和同意参与

这项研究得到了金山区汀林医院（中国上海；批准号：。2022-06），并根据赫尔辛基。所有参与者都提供了血液知情同意书样本收集并同意发布。

患者同意发布

不适用。

竞争性利益

作者声明他们没有竞争对手利益。

工具书类