Почему некоторые люди с COVID-19 испытывают лишь сопение, в то время как другие оказываются на аппарате искусственной вентиляции легких? И почему среди критически больных пациентов некоторые в конечном итоге выздоравливают, а другие нет?
Новое исследование позволило ученым предсказать, кто подвергается наибольшему риску тяжелой формы заболевания COVID-19, а также кто из тех, кто перенес тяжелое заболевание, с большей вероятностью выживет. Исследователи опубликовали свои выводы в Журнале клинических исследований 1 мая.
Исследование основывалось на данных оценки иммунофенотипирования в когортном исследовании COVID-19 (IMPACC), партнерстве между Национальным институтом аллергии и инфекционных заболеваний (NIAID) и 15 исследовательскими институтами по всей стране, включая Йельскую медицинскую школу (YSM).
Сотрудники провели обширный анализ различных аспектов иммунного ответа более чем 1000 пациентов по всей стране. Они оценивали образцы во время госпитализации и в течение года после госпитализации, чтобы лучше понять гетерогенность заболевания.
Подход мультиомики IMPACC, который сочетает в себе несколько «омик», таких как геномика, протеомика и транскриптомика, является одним из крупнейших и наиболее полных анализов на сегодняшний день.
COVID-19 имеет широкий спектр проявлений у пациентов. Чтобы выявить отличительные особенности, приводящие к различным реакциям пациентов, IMPACC использует подход системной иммунологии, впервые разработанный Консорциумом проектов иммунологии человека NIAID (HIPC) Национального института аллергии и инфекционных заболеваний (NIAID).
HIPC управляется в Йельском университете членами IMPACC Рут Р. Монтгомери, доктором философии, профессором медицины и эпидемиологии (микробных заболеваний) и заместителем декана по научным вопросам YSM, и Дэвидом А. Хафлером, доктором медицины, председателем и Уильямом С. и Лоис Стайлз Эджерли, профессор неврологии.
Стивен Кляйнштейн, доктор философии, Энтони Н. Брейди, профессор патологии в YSM, также исследователь HIPC, возглавил рабочую группу по анализу данных IMPACC, работающую на нескольких площадках, для обработки отдельных типов данных для комплексного анализа экспертами консорциума по информатике.
«Моей группе было поручено собрать миллионы данных от этих более чем 1000 человек и использовать моделирование для выяснения причин, почему разные люди по-разному реагируют на COVID-19, а также молекулярных механизмов, стоящих за этим», — говорит Джереми Гиги, доктор философии. кандидат программы вычислительной биологии и биоинформатики Йельского университета и первый автор исследования.
Новые модели ищут закономерности, связанные с последствиями COVID-19
В своем последнем исследовании Гиги и его команда хотели выявить признаки, связанные с тяжелой инфекцией и смертностью от COVID-19. Кроме того, они изучили взаимодействие этих признаков, чтобы лучше понять основной иммунный каскад, который возникает в критических случаях.
«Мы не просто рассматривали чьи-то гены, белки и метаболиты по отдельности», — говорит Гиги. «Вместо этого мы исследовали, как транскриптомные, протеомные и метаболомные профили человека работают вместе, чтобы объяснить результат».
«На сегодняшний день это может быть самое масштабное исследование COVID-19, в котором одновременно и с течением времени рассматривалось так много различных «омиков», — добавляет Лейинг Гуан, доктор философии, доцент кафедры биостатистики Йельской школы общественного здравоохранения. и старший автор исследования.
«Это уникальные аспекты нашего исследования, которые позволили нам сделать больше, чем было сделано в предыдущей литературе по биомаркерам COVID-19».
Для достижения этой цели команда использовала набор данных IMPACC и вычислительный метод, известный как моделирование скрытых факторов. Эти модели помогли исследователям выявить скоординированные закономерности среди множества изученных ими анализов.
Их модели преследовали две основные задачи. Во-первых, они хотели выявить причины тяжелого заболевания. Они искали предикторы, которые связаны с пятью группами клинических траекторий когорты, пять из которых являются наиболее тяжелыми, и с различными траекториями заболевания. Во-вторых, среди наиболее тяжелых групп исследователи также искали признаки, предсказывающие смертность.
«Мы пытались разделить тех, кто нуждался в госпитализации и искусственной вентиляции легких и выжил, и тех, кто этого не сделал», — говорит Гиги.
Исследование идентифицирует признаки тяжелого заболевания и смерти от COVID-19
Модель тяжести выявила множество факторов, значимо связанных с течением заболевания COVID-19, включая воспаление, Т-клеточную лимфопению и катаболизм аминокислоты триптофана.
Хотя многие из этих признаков были идентифицированы в литературе о COVID-19, новые модели добавили временной элемент, чтобы показать, как эти признаки развивались с течением времени и взаимодействовали друг с другом.
Среди двух наиболее тяжелых групп повышенная дискоординация передачи сигналов интерферона, который играет жизненно важную роль в иммунном ответе, значительно предсказывает смертность.
«Хотя обнаруженные нами признаки уже были хорошо известны, мы выявили дополнительный уровень взаимодействия», — говорит Гуань. «Среди когорты смертности мы обнаружили важный тип нарушения регуляции [передачи сигналов интерферона], который может характеризовать судьбу госпитализированных пациентов».
По словам исследователей, это исследование является значительным достижением и захватывающей отправной точкой, и у них есть планы развивать эту работу, чтобы лучше понять больше аспектов COVID-19. Например, они надеются использовать аналогичные методы моделирования, чтобы лучше понять течение длительного COVID и то, как он развивается после острой инфекции.
Узнав больше о тонкостях механизмов, лежащих в основе COVID-19, они надеются проложить путь к новому пониманию более эффективных методов лечения как острых, так и затяжных заболеваний.
