多組學聯合分析之：蛋白質組學和代謝組學幫助新冠重症患者分類
冠狀病毒病COVID-19是由嚴重急性呼吸系統綜合症冠狀病毒2（SARS-CoV-2）引起的，目前仍在世界範圍內傳播。感染SARS-CoV-2的患者中約80％表現爲輕度症狀，預後良好。但約20％的患者患有呼吸窘迫，需要立即進行氧氣治療或其他住院干預。這些患者被分類和診斷主要是基於一組臨牀特徵進行的，例如呼吸頻率（≥30次/min）、平均氧飽和度（靜息狀態下≤93％）或動脈血氧分壓/氧濃度（≤300mmHg）。但是表現出這些臨牀特徵的患者已經發展到臨床嚴重階段，需要立即獲得專門的重症監護，否則可能會迅速死亡。因此，開發新的方法以儘早評估哪些病例可能變得臨床嚴重至關重要。
本研究中，研究者假設在嚴重患者的血清中可以檢測到SARS-CoV-2誘導的特徵性的分子變化，並應用蛋白質組學和代謝組學技術分析COVID-19患者和幾個對照組的血清，以驗證這一假設。
s7
雜誌：Cell
影響因子：38.637
發表時間：May 2020
連結：https://www.cell.com/cell/fulltext/S0092-8674(20)30627-9
摘要
重症COVID-19患者的早期發現和有效治療仍然是主要挑戰。本文研究者對46個COVID-19和53個對照個體的血清進行了蛋白質組學和代謝組學分析。然後，使用來自18名非重症患者和13名重症患者的蛋白質組學和代謝組學資料，進行機器學習模型訓練。使用10名獨立患者對模型進行了驗證，其中7名正確分類。在第二個有19名COVID-19患者的測試測試組中，採用了靶向蛋白質組學和代謝組學方法進一步驗證該分子分類器，得出16個正確分類。與其他組相比，研究確定了COVID-19患者血清中的分子變化涉及巨噬細胞失調、血小板脫粒、補體系統途徑和大量代謝抑制。
主要結果
研究者首先使用基於TMT的蛋白質組學技術和非靶向代謝組學技術分析了患者和對照個體的血清，總共鑑定和定量了894種蛋白質和941種代謝物（包括36種藥物及其代謝物）。在無分子選擇下，來自SARS-CoV-2感染患者的血清的組學資料可從健康個體中很好地分辨出來，而其他組則表現出一定程度的分離。基於18位非嚴重和13位嚴重患者的蛋白質組學和代謝組學資料，研究者建立了一個隨機機器學習模型，從而對29個重要變數進行了優先順序排序，其中包括22種蛋白質和7種代謝產物。在10名患者的獨立測試組中測試了該模型，除一名患者外其餘嚴重患者均正確識別。爲了進一步驗證該分類器，研究者開發了針對22種蛋白質和7種代謝物的靶向質譜分析，並在19名患者中進行了測試，其中16位患者分類正確。研究發現COVID-19患者的血清中有105種蛋白質差異表達，在嚴重患者中有93種蛋白表現出特異性調節。途徑分析和網路富集分析表明，這93種蛋白中的50種屬於三個主要途徑，即補體系統啟用、巨噬細胞功能和血小板脫粒。研究發現COVID-19患者的373種代謝產物發生了顯著變化，而204種代謝物的變化與透過mFuzz評估的疾病嚴重程度相關。80種顯著變化的代謝物涉及蛋白質組學分析揭示的三個生物學過程。
透過蛋白質組和代謝組特徵的機器學習區分重度和非重度COVID-19患者
COVID-19血清中失調的蛋白質
COVID-19血清中失調的代謝物
百泰派克生物科技提供多組學整合分析服務，包括蛋白組學和代謝組學的聯合分析。
歡迎感興趣的老師聯絡我們！
相關服務
How to order?
