Учёные научились распознавать хроническую усталость по следам клеточно-свободной РНК

Команда Корнеллского университета показала, что из одной пробирки крови можно вытащить «молекулярные отпечатки» миалгического энцефаломиелита/синдрома хронической усталости (ME/CFS). Они расшифровали клеточно-свободную РНК (cfRNA) в плазме и обучили модели машинного обучения, которые отличали пациентов от здоровых (седентарных) людей с точностью ≈77%. Картина подсказала сбой в иммунной системе, «расхлябанность» внеклеточного матрикса и признаки «усталости» T-клеток; особенно выделялись плазмацитоидные дендритные клетки, связанные с интерфероновым ответом. Работа вышла 11 августа 2025 года в PNAS. 

Фон исследования

• Проблема без «анализов». У ME/CFS нет надёжного лабораторного теста: диагноз ставят по симптомам (постнагрузочное ухудшение, «туман в голове», нарушения сна и др.) и исключению других причин. Из-за этого люди годами ходят по кругу — мало объективных маркёров, по которым врач мог бы «зацепиться».
• Похоже на многое. Жалобы при ME/CFS пересекаются с депрессией, анемией, дисфункцией щитовидки, аутоиммунными и пост-инфекционными состояниями, а в последние годы — и с long COVID. Нужен биологический «отпечаток», который помогает отличать одно от другого.
• Почему попробовали кровь и cfRNA. В плазме есть фрагменты РНК, «сброшенные» клетками разных органов — клеточно-свободная РНК (cfRNA). Это вроде «чёрного ящика» организма: по наборам таких фрагментов можно судить, какие ткани и иммунные клетки активированы, какие пути «шумят» прямо сейчас. Такой подход уже зарекомендовал себя в других воспалительных и инфекционных состояниях.
• Что мешает видеть сигнал. cfRNA мало, она хрупкая, а пациенты с ME/CFS часто малоподвижны — физическая неактивность сама по себе меняет молекулярный фон. Поэтому важно построить строгий лабораторный конвейер (забор/хранение/секвенирование) и подобрать корректные контрольные группы (в т.ч. здоровых, но малоподвижных).

На что нацеливалась работа

1. Понять, есть ли у ME/CFS устойчивая cfRNA-подпись в крови.
2. Разложить сигнал по источникам: какие клетки/ткани дают вклад.
3. Выявить биологические пути (иммунная дисрегуляция, внеклеточный матрикс, признаки «усталости» T-клеток и т.п.), которые можно проверять другими методами.
4. Построить модель машинного обучения, способную отличать ME/CFS от контроля — шаг к объективному тесту и будущей стратификации пациентов.

Практический смысл

Если cfRNA-подпись подтвердится в больших когортах, появится:

• вспомогательный диагностический инструмент (не вместо клиники, а в помощь);
• основа для подтипов ME/CFS (кто больше «про интерферон», кто — про матрикс/сосуды и т.д.);
• путь к адресным исследованиям и мониторингу ответа на вмешательства.

Идея простая: вместо того чтобы опираться только на симптомы, прочитать из крови системный «лог событий» организма и извлечь из него узнаваемый профиль ME/CFS.

Что сделали

• Взяли кровь у группы людей с ME/CFS и у сопоставимой группы здоровых, но малоподвижных участников (чтобы не путать эффект болезни и низкой активности). Из плазмы выделили крошечные фрагменты РНК, которые высвобождаются при повреждении и гибели клеток — это такой сводка-дневник происходящего по всему организму. Затем провели секвенирование и «научили» алгоритмы находить паттерны болезни. Результат — >700 значимо отличающихся транскриптов между случаями и контролями. 
• По подписи генов исследователи «деконволюционировали» cfRNA и оценили, из каких клеток и тканей приходит сигнал. Нашлись отличия сразу в шести типах клеток, на первом месте — плазмацитоидные дендритные клетки, которые делают интерфероны I-типа (намёк на затянувшийся противовирусный ответ). Также менялись моноциты, тромбоциты и подтипы T-клеток. 
• Классификатор на основе cfRNA достиг ≈77% точности — пока маловато для готового теста, но это заметный шаг вперёд к объективной диагностике ME/CFS. 

Почему это важно

• Сейчас нет лабораторного теста на ME/CFS — диагноз ставят по сочетанию симптомов (сильная утомляемость, постнагрузочное ухудшение, «туман в голове», нарушения сна и др.), которые легко перепутать с другими состояниями. Кровяной «молекулярный слепок» может вернуть врачам опору — пусть сначала как вспомогательный инструмент. 
• Подход масштабируем: у той же группы инженеров cfRNA уже помогала различать болезнь Кавасаки, MIS-C, бактериальные и вирусные инфекции у детей — то есть это универсальная платформа для сложных диагнозов. 
• Для науки о ME/CFS это шаг к биомаркерам механики болезни: интерфероновая ось, истощение T-клеток, нарушение матрикса — всё это поддаётся проверке другими методами и интеграции с протеомикой/метаболомикой. В поле уже копят похожие «кусочки пазла» (например, про роль окислительного стресса и циркулирующих микроРНК), а cfRNA добавляет системный взгляд «сверху». 

Детали, которые бросаются в глаза

• >700 дифференциальных транскриптов и фокусы на путях иммунной дисрегуляции, организации внеклеточного матрикса и T-cell exhaustion — это не просто «да/нет» диагностика, а намётки биологии процесса. 
• Подъём сигнала от плазмацитоидных дендритных клеток (главных производителей IFN-I) консистентен с гипотезой затянувшегося противовирусного или «ошибочно поддерживаемого» иммунного ответа у части пациентов. 
• Команда подчёркивает: отличать ME/CFS от long COVID по cfRNA потенциально реально — следующий логичный шаг, учитывая пересечения симптомов и механик. 

Где осторожность

• Это не готовый анализ «из поликлиники». 77% точности — хороший старт, но до клиники нужны большие, разнородные когорты, внешняя валидация, сравнение с другими болезнями усталости и определение стандартов преданалитики (как брать/хранить кровь). 
• Контрольная группа — здоровые седентарные люди; важно проверить, как работает модель при реальных дифференциальных диагнозах в кабинете (депрессия, анемия, заболевания щитовидной железы, аутоиммунные и постинфекционные синдромы и т.д.).
• cfRNA — «сводка» по всему телу; она чувствительна, но и многозначна. Поэтому интерпретация должна опираться на независимые оси данных (протеомика, иммунопрофилирование, клиника).

Что дальше

• Расширить датасет и довести модель до клинических метрик (AUC/чувствительность/специфичность) в мультицентровых когортах.
• Сопоставить cfRNA-сигналы с тяжестью симптомов и динамикой после нагрузки, чтобы приблизиться к стратификации пациентов.
• Интегрировать cfRNA с уже накопленными «омиками» в ME/CFS и long COVID — путь к объективным подтипам и адресным вмешательствам. 

Вывод

Клеточно-свободная РНК превратилась в «чёрный ящик» организма: по её паттернам в крови можно увидеть подпись ME/CFS, а не только услышать симптомы. Диагностического теста завтра не будет, но направление ясное: одна пробирка — много биологии, и у врачей появится шанс перестать «щупать слона» вслепую.