在传染病研究领域，对人群水平感染动态的精准量化始终是公共卫生干预的关键挑战。传统血清学依赖抗体检测，但在新冠（COVID-19）研究中暴露出明显局限：抗体滴度随病情严重程度波动，无症状感染者抗体水平低且 IgM/IgA 维持时间短（仅 2.5 个月），难以全面反映感染状态及免疫记忆。此外，血清学无法捕捉细胞免疫的长期效应，而 T 细胞介导的免疫应答被认为在病毒清除和长期保护中起核心作用。因此，亟需一种整合 T 细胞反应的多维流行病学研究方法，以填补血清学的空白，更精准地揭示感染轨迹、免疫异质性及人群易感性差异。
为此，比利时安特卫普大学医院（Antwerp University Hospital）的研究团队开展了一项开创性研究，相关成果发表在《SCIENCE ADVANCES》。研究首次提出 “细胞流行病学（celluloepidemiology）” 范式，通过分析 SARS-CoV-2 特异性 T 细胞在人群中的分布和功能特征，建立了一种量化传染病动态的新框架。研究发现，T 细胞功能性标记表达、T 细胞受体（TCR）谱等可有效区分感染与未感染个体、不同病情严重程度的康复患者，甚至识别血清学漏检的无症状感染者，为传染病流行病学研究提供了突破性的技术路径。
研究整合了多维度实验技术与计算方法：
- 样本队列：纳入 582 名参与者，包括 168 名 COVID-19 康复患者（含轻、中、重症及长新冠患者）、27 名 Household 接触者、259 名对照、37 名全科医生和 91 名医护人员，其中 24 名 pre-COVID 献血者作为未暴露对照。
- 免疫表型分析：利用 33 同位素质谱流式细胞术（CyTOF）和流式细胞术，检测外周血单个核细胞（PBMCs）中 CD4⁺/CD8⁺ T 细胞表面功能性标记（如 CTLA-4、PD-1、TIM-3、CD38、Fas 等）的表达。
- 机器学习建模：通过 Boruta 算法筛选关键标记，运用 FlowSOM 聚类和随机森林算法构建分类模型，评估 T 细胞数据对感染状态的区分效能。
- TCR 测序（TCR-seq）：对 CD8⁺ T 细胞受体 repertoire 进行高通量测序，分析 SARS-CoV-2 特异性及交叉反应性 TCR 簇的分布。
通过 CyTOF 筛选出 13 个关键膜标记（CTLA-4、HLA-DR、PD-1 等），进一步在 478 例样本中验证发现：
- 康复患者的 CD4⁺/CD8⁺ T 细胞在刺激后，CD38、Fas、TIGIT 等激活 / 耗竭标记表达显著高于对照（P≤0.0001）。
- 随机森林模型利用 8 个功能性标记（CD38、CD69、Fas 等）在 T 细胞数据中区分患者与对照的 AUC 达 0.98±0.01，与血清学 IgG 数据（AUC=0.99±0.01）相当，且成功识别出血清学漏检的无症状感染者。
CD8⁺ TCR 测序显示：
- 康复患者的 CD8⁺ TCR 簇数量显著多于对照（P≤0.001），其中 SARS-CoV-2 特异性簇及冠状病毒交叉反应性簇的丰度更高（P≤0.05）。
- 患者体内针对 SARS-CoV-2 结构蛋白（刺突、核衣壳等）的 TCR 克隆型更为丰富，印证了 T 细胞对病毒抗原的特异性识别。
- 血清学与 T 细胞数据的对比：IgG 滴度随病情加重升高（P≤0.01），但仅 RBD 抗体可区分中重症；T 细胞标记（如 CD4⁺ Fas、OX40，CD8⁺ CD69、Fas、CD137）在不同严重程度间差异显著（P≤0.05），尤其能有效区分中重症患者。
- 多组分类模型：T 细胞数据对无症状与轻、中、重症的区分 AUC 分别为 0.84、0.88、0.92，与 IgG 数据相当，表明 T 细胞表型可作为病情分层的独立指标。
在 PCR/IgG 阴性的医护人员中，T 细胞表型揭示了隐性感染痕迹：
- 无症状暴露组（Group 1）的 CD4⁺ T 细胞高表达 TIGIT、OX40，而有发热史组（Group 2）则富集 Fas⁺细胞，提示不同暴露状态下的 T 细胞活化与凋亡差异。
- PCR 阳性组与 IgG 阳性组可通过 CD8⁺ T 细胞的 Fas 和 CD137 表达区分，显示细胞流行病学在识别复杂暴露史中的独特价值。
79 例长新冠患者表现出持续的体液与细胞免疫激活：
- IgG 滴度显著高于无症状及轻症康复者，CD4⁺ T 细胞（Fas、OX40、TIGIT）和 CD8⁺ T 细胞（CD69、Fas、CD137）的活化标记表达上调，提示持续的免疫异常可能与长新冠症状相关。
本研究确立了细胞流行病学作为血清学补充的重要价值：
- 技术创新性：通过 T 细胞功能性标记与 TCR 谱的多维分析，突破了血清学单一维度的局限，实现了对感染状态、病情分层及隐性暴露的精准识别。
- 临床应用潜力：
- 可检测血清学漏检的无症状感染，完善感染流行病学数据；
- 通过 T 细胞表型预测病情严重程度及长新冠风险，为个体化预后评估提供依据；
- 助力医护人员等高危人群的暴露监测，优化职业防护策略。
- 学科拓展性：细胞流行病学范式可推广至其他传染病（如流感、HIV 等），通过整合抗原特异性 T 细胞反应，提升人群水平感染建模的准确性，为疫苗研发、免疫保护评估及公共卫生政策制定提供新视角。
尽管研究存在样本处理方法差异、长新冠队列选择偏倚等局限，但其构建的多维免疫评估框架已展现出显著的科学价值。未来，随着单细胞技术与人工智能的结合，细胞流行病学有望成为传染病研究中不可或缺的核心工具，推动精准公共卫生时代的到来。
