蛋白质组学助力COVID-19研究又添新作

2019年新冠肺炎(COVID-19)给人类造成了前所未有的社会挑战,截至到2021616日上午1010分,全球累计新冠死亡人数3,834,450例。从无症状感染新冠病毒(SARS-CoV-2)到死亡期间临床表现多样性,为了个性化治疗策略,就需要生物标志物来实现对未来病程的准确预后。


蛋白质组学助力COVID-19研究

614日,中科院1区期刊《Cell Systems》上发表了一篇有关新冠肺炎生物标志物的研究文章。


蛋白质组学助力COVID-19研究又添新作


蛋白质组学助力COVID-19研究又添新作

以下文章解析,让我们具体了解下


A time-resolved proteomic and prognostic map of COVID-19

期刊:Cell Systems

中科院分区:1

影响因子:8.674

发表时间:2021.6.14

研究方法:DIA蛋白质组

研究对象:血浆



一、观点简述


蛋白质组学助力COVID-19研究又添新作

该文章通过测量86项公认的诊断参数(例如血细胞计数和酶活性)以及687个采样点的非靶向血浆蛋白质组,表征了139名COVID-19患者时间依赖的病情进展。确定预后标志物特征以设计适应风险的治疗策略,并利用机器学习方法对治疗需求进行分类。最后提出了将常规使用的临床诊断参数与血浆蛋白质组及其动力学联系起来的图谱。


蛋白质组学助力COVID-19研究又添新作

图形概要



二、临床诊断参数和血浆蛋白质组的并发变异是宿主响应COVID-19的特征


蛋白质组学助力COVID-19研究又添新作

对诊断参数和血浆蛋白组进行相关性分析,结果表明IL-6和其他炎症标志物(CRP,原降钙素)与急性时相蛋白(APPs)、凝血因子及其相关蛋白以及补体系统成显著正相关或负相关。心脏(肌钙蛋白 T、NT-proBNP)和肾脏(肌酐、尿素)功能以及贫血和红细胞生成障碍(血红蛋白、红细胞压积、红细胞和红细胞分布宽度)的标志物与支持炎症在COVID-19相关器官损伤及其对红细胞生成有影响的各种APPs呈相关性。中性粒细胞计数与两种中性粒细胞丝氨酸蛋白酶抑制剂SERPINA1和SERPINA3之间存在并发变异。碱性磷酸酶活性和γ-谷氨酰转移酶活性与血浆聚合免疫球蛋白受体(PIGR)呈高度相关性,前两者都是胆道疾病的特征。


蛋白质组学助力COVID-19研究又添新作

临床进展期间临床参数、诊断参数、生理参数和蛋白质组学参数之间的相关性



三、依赖年龄和疾病严重程度的血浆蛋白图谱和诊断参数图谱


蛋白质组学助力COVID-19研究又添新作

血浆蛋白质组和临床诊断参数与COVID-19严重程度的相关性分析,将年龄作为协变量,113种蛋白质和55种常规诊断参数在不同WHO分组的患者之间存在显著差异(FDR < 0.05)。36个蛋白和12个临床实验室标志物在相同护理级别的COVID-19患者中随年龄增长而上调或下调表达。20种蛋白质在pre-COVID-19人群基线中不随年龄而变化,或在一般人群中显示出与年龄相反的变化关系。


蛋白质组学助力COVID-19研究又添新作

COVID-19 患者分子表型及其对严重程度和年龄的依赖性



四、早期宿主响应COVID-19


蛋白质组学助力COVID-19研究又添新作

总共有89种蛋白质和37种临床参数随时间显著变化。细胞外基质(ECM)蛋白、参与脂质代谢的免疫调节因子和蛋白以及阴性APPs,它们在病情程度严重的COVID-19中下调表达,随着时间的推移逐渐增加,接近基线。


蛋白质组学助力COVID-19研究又添新作

COVID-19患者分子表型随时间的进展


五、蛋白质组和诊断临床标志物通过机器学习方法预测疾病严重程度


蛋白质组学助力COVID-19研究又添新作

蛋白质组和临床诊断参数对接受有创机械通气的患者具有高度区分性。机器学习模型显著优于既定的COVID-19风险因素(如年龄、BMI、查尔森合并症指数(CCI)或分子预测因子(如CRP或IL-6))的预测分数。蛋白质组学模型在应用于该验证队列时表现出相对较高的患者分层表现。值得注意的是,建立机器学习模型不仅可以根据严重程度对患者进行分类,而且还能够根据蛋白质组、临床检测值以及两者共同预测当前的WHO严重程度分级。在所有治疗组中,11种蛋白质和9种临床实验室标志物被确定为未来临床病情恶化的预测因子。26个蛋白生物标志物和14个常规诊断标志物与第一个采样点到出院之间的时间相关。对WHO分级预测构建机器学习模型,第一个时间点的预测结果与剩余住院时间具有相关性。


蛋白质组学助力COVID-19研究又添新作

使用机器学习方法从早期分子表型预测COVID-19治疗需求和未来病情进展



综上,该研究利用定量蛋白质组学技术,系统的阐述了蛋白组结果在表征COVID-19病情进展中的关键作用。对数据进行深度分析挖掘,早期分子宿主响应可预测COVID-19病情进展,而对COVID-19的分子响应具有年龄特异性,利用机器学习方法来实现对疾病表型的高度精确预测。

蛋白质组学助力COVID-19研究又添新作


总结:血浆蛋白、常规诊断参数和生理参数与COVID-19的严重程度、必要治疗和进展之间的关联。可见,蛋白质组检测结合生物信息学分析在COVID-19的研究中占据着举足轻重的地位。目前无论是对SARS-CoV-2病毒感染机制,还是对COVID-19生物标志物筛选,以及疾病治疗靶点和治疗策略的研究中,蛋白质组学均发挥了至关重要的作用。对于生物学研究分子水平的未知探索,蛋白质组学技术无疑是关键法宝。





蛋白质组学助力COVID-19研究又添新作


蛋白质组学助力COVID-19研究又添新作


蛋白质组学助力COVID-19研究又添新作

A better Multi-Omics Solution & Service for Your Scientific Research

最适合您的组学技术服务专家



相关推荐: