免疫细胞与药物依赖之间的因果关系是当前医学研究领域备受关注的重要课题。作为机体抵御病原体和维护稳态的关键组成部分，免疫细胞的功能状态对个体的健康至关重要，免疫细胞的工程化治疗已经成为临床现实。多种工程化T细胞疗法已获得批准，用于治疗多种疾病，目前，临床前和临床研究正在测试多种策略，以修改免疫细胞的命运和功能，用于癌症、传染病等领域。 [1] 。同时，药物依赖问题影响着全球数百万患者，为个体和社会带来了巨大的健康和经济负担 [2] 。因此，深入了解免疫细胞与药物依赖之间的因果关系对于制定精准的治疗方案和预防策略具有重要的临床和公共卫生意义。

本研究采用孟德尔随机化的检验方法，主要应用逆方差加权(Inverse Variance Weighting, IVW)法、加权中位数(Weighted Median, WM)法和MR-Egger法 [10] 。同时，我们利用Cochran’s检验来评估潜在的异质性，并通过MR-Egger回归法检验截距，以评估可能存在的多效性。通过Leave-One-Out分析，我们逐个去除SNP并评估其对结果的影响，以检验结果的敏感性。当药物依赖被视为连续变量时，我们使用β系数和95%置信区间(CI)来表示；而当免疫细胞表型作为二分类变量时，则采用比值比(OR)和95%CI来表示。分析过程中，我们使用了R4.3.2和RStudio软件，以及R包“Two Sample MR”。在所有的分析中，我们将显著性水平设定为α = 0.05，以确保结果的统计显著性。

我们的研究使用了Cochran Q来计算MR-Egger和IVW分析中的异质性，根据表中的结果(Q值的P值均>0.05)，可以得出未存在明显异质性 [11] 。这表明分析结果相对一致，强化了对因果效应的可靠性。并采用留一法(Leave-one-out)敏感性分析，通过逐个剔除SNP并计算剩余SNP的合并效应，以确定单一SNP对结果的影响。据图示，去除单个SNP后，剩余SNP均分布在无效线的左右两侧，范围接近总效应值，显示单一SNP对结果的影响较为有限。这进一步加强了研究结果的鲁棒性，表明整体结论相对稳健。工具变量筛选首先对MR分析的免疫细胞表型IVs中的SNP进行筛选，均采用P < 5 × 10⁻⁶，纳入SNP的F值均>10 (20.88~3159.28)，F统计量的计算公式为F = R²(N−K−1)/[K(1−R²)]，其中N为暴露因素的样本量，K为工具变量的数量，而R²则反映了工具变量对暴露因素的解释程度。如果F > 10说明MR分析受到弱工具变量影响的可能性较小 [12] 。在这项研究中，每个单核苷酸多态性的F值均大于10，表明不存在弱工具变量。最终，我们选定了7个单核苷酸多态性作为工具变量，用以评估类免疫细胞表型与药物依赖之间的关联。描述主要结果的散点图见 图2 。Cochran’s Q检验结果得出P都大于0.05，说明单核苷酸多态性不存在异质性。

图2. 免疫细胞表型和药物依赖孟德尔随机化(MR)分析的散点图">">

之后进行了MR-Egger-Intercept测试，未检测到药物依赖潜在的水平多效性(P值均大于0.05，说明工具变量并不显著通过暴露以外的途径影响结局 [13] ，此外，MR-PRESSO方法未发现任何异常的单核苷酸多态性。留一法检验分析显示，没有任何个别单核苷酸多态性对整体因果估计产生了影响。有关留一法检验结果的森林图，请参见 图3 。为了进一步验证上述结果的稳定性，我们绘制了漏斗图，显示出因果效应的分布基本对称，并且未观察到明显的偏倚，详情见 图4 。

图3. 免疫细胞表型和药物依赖孟德尔随机化(MR)“留一法”分析结果森林图

图4. 免疫细胞表型和药物依赖孟德尔随机化(MR)分析的漏斗图

孟德尔随机化分析结果，(见 图5 )为了探讨药物依赖与免疫类型之间的因果效应，进行了双样本MR分析，并以IVW法作为主要分析方法。我们检测到了两种免疫表型对药物依赖的保护作用：Activated Treg %CD4 Treg (OR = 0.859, 95%CI: 0.763~0.967, P = 0.012)、CD3 on activated Treg (OR = 0.881, 95%CI: 0.780~0.995, P = 0.042)，提示上述两种免疫表型每增加一个标准差，药物依赖的患病风险将降低14.1%、11.9%，结果具有统计学意义。

另外五种免疫表型对药物依赖的危害作用：CD28 on activated & secreting Treg (OR = 1.152, 95%CI: 1.006~1.320, P = 0.041)、CM DN (CD4-CD8-)%T cell (OR = 1.152, 95%CI: 1.017~1.305, P = 0.026)、HLA DR + CD8br %lymphocyte (OR = 1.162, 95%CI: 1.032~1.308, P = 0.013)、Mo MDSC AC (OR = 1.135, 95%CI: 1.008~1.279, P = 0.037)、TD CD8br AC (OR = 1.398, 95%CI: 1.036~1.887, P = 0.028)，提示上述五种免疫表型每增加一个标准差，药物依赖的患病风险将增加15.2%、15.2%、16.2%、13.5%、39.8%。这些结果提示了这些免疫表型对药物依赖的不同影响，为深入理解免疫系统与药物依赖之间的关系提供了重要线索。

药物依赖是一种受遗传、环境和免疫因素影响的多方面疾病。最近的研究揭示了免疫细胞在调节药物反应和成瘾途径中的作用 [14] 。我们基于大量的遗传数据，讨论了731个免疫细胞性状与DD之间的因果关系。这是收个探讨多重免疫表型与DD之间因果关系的MR分析。本研究发现，在三种免疫特质(MFI、RC、AC)中七种免疫表型对DD具有因果效应(P < 0.05)。

我们发现，表达CD4和CD3的活化调节性T细胞(Tregs)是免疫系统中的重要组成部分，它们可以维持免疫平衡，防止过度免疫反应，从而对药物依赖产生保护作用。而另外五种免疫细胞：表达CD28的活化和分泌调节性T细胞(Tregs)、中央记忆双阴性T细胞(CMDN)、HLA DR+ CD8br %淋巴细胞和活化、循环的髓源性抑制细胞(Mo MDSC AC)和终末分化的CD8+T细胞(TD CD8br AC)。这些结果提示，不同的免疫细胞在药物依赖的发生和发展中可能起到不同的作用。

激活的调节性T细胞是一类具有免疫抑制功能的T细胞，它们可以通过分泌细胞因子或直接接触的方式，抑制其他免疫细胞的活性，维持免疫耐受和免疫平衡 [15] 。我们的结果显示，激活的调节性T细胞占CD4+T细胞的百分比与药物依赖呈负相关，这可能意味着，激活的调节性T细胞可以抑制药物依赖相关的炎症反应，减轻药物依赖的症状和损伤。这与一些研究的发现一致，例如，一项研究发现，激活的调节性T细胞可以抑制鸦片类药物诱导的神经炎症和神经退行性改变 [16] 。

另一项研究发现，激活的调节性T细胞可以抑制酒精诱导的肝脏炎症和纤维化 [17] 。因此，激活的调节性T细胞可能是药物依赖治疗的潜在靶点，增加激活的调节性T细胞的数量或功能可能有助于缓解药物依赖的影响。细胞毒性T细胞是一类具有杀伤功能的T细胞，它们可以通过识别和杀死被病毒感染或异常变化的细胞，清除体内的异物，参与免疫防御和免疫监视 [18] 。我们的结果显示，细胞毒性T细胞占CD8亮度高的T细胞的百分比与药物依赖呈正相关，这可能意味着，细胞毒性T细胞可以促进药物依赖相关的炎症反应，加重药物依赖的症状和损伤。这与一些研究的发现相符，例如，一项研究发现，细胞毒性T细胞可以促进可卡因诱导的心肌炎症和心肌损伤 [19] 。诱导Foxp3：Tregs通过CD28参与增强自身的Foxp3表达，从而加强自身的调节特性，抑制效应T细胞和抗原递呈细胞，分泌免疫抑制细胞因子，如IL-10和TGF-β，影响CTLA-4和PD-1等共同抑制分子，选择性消耗IL-2，释放腺苷等 [20] 。这些作用可能会导致免疫耐受，减少对致瘾物质的免疫监视，改变与药物依赖有关的免疫反应。细胞毒性颗粒释放：CMDN、HLA DR + CD8br %淋巴细胞和 TDCD8brAC 都能释放含有穿孔素和颗粒酶的细胞毒性颗粒，这些颗粒能在靶细胞膜上形成孔隙，引发细胞凋亡，导致靶细胞破坏和组织损伤。促炎细胞因子：CMDN、HLA DR+ CD8br %淋巴细胞和TDCD8brAC都能产生促炎细胞因子，如IFN-γ和TNF-α，这些细胞因子能增强免疫激活和炎症，影响与成瘾有关的神经回路。FasL和TRAIL的表达：HLA DR + CD8br %淋巴细胞和TDCD8brAC都能表达FasL和TRAIL，这些分子能参与触发外源性凋亡途径，导致靶细胞死亡和细胞损伤 [21] 。对其他免疫细胞的调节：CMDN和Mo MDSC AC都能调节抗原递呈细胞(APCs)的功能，影响抗原呈递和协同刺激，改变T辅助细胞的反应，诱导Treg的分化，从而改变免疫平衡和免疫反应 [22] 。代谢影响：Tregs和Mo MDSC AC都能通过改变新陈代谢环境，如消耗IL-2，释放腺苷等，进一步抑制免疫反应，可能会无意中促进药物依赖 [23] 。因此，细胞毒性T细胞可能是药物依赖治疗的潜在靶点，减少细胞毒性T细胞的数量或功能可能有助于缓解药物依赖的影响。

综上所述，本研究揭示了免疫细胞表型与药物依赖的关系，为药物依赖的预防和治疗提供了新的线索。然而，本研究仍有一些局限性，例如，本研究只分析了数据库中的731种免疫细胞表型，未能涵盖所有的免疫细胞类型和亚群；本研究只使用了孟德尔随机化方法，未能进行实验验证和干预试验；本研究只考虑了免疫细胞表型与药物依赖的单向关系，未能探讨药物依赖对免疫细胞表型的影响。因此，未来的研究需要进一步扩大样本范围，增加免疫细胞表型的种类，采用多种方法进行验证和干预，以及考虑免疫细胞表型与药物依赖的双向关系，以期获得更全面和深入的认识。

^*通讯作者。