Zašto neki ljudi sa COVID-19 dožive nešto više od šmrkanja, dok drugi završe na respiratoru? A među kritično bolesnim pacijentima, zašto se neki na kraju oporave, a drugi ne?
Nova studija otkrila je tragove koji pomažu naučnicima da predvide ko je u najvećem riziku od teškog COVID-19, a među onima koji imaju tešku bolest, ko će najverovatnije preživeti. Istraživači su objavili svoje nalaze u Journal of Clinical Investigation 1. maja.
Studija je zasnovana na podacima iz Procene imunofenotipizacije u studiji COVID-19 Cohort (IMPACC), partnerstvu između Nacionalnog instituta za alergije i infektivne bolesti (NIAID) i 15 istraživačkih institucija širom zemlje, uključujući Medicinsku školu Jejla (ISM).
Saradnici su sproveli opsežne analize mnogih različitih aspekata imunološkog odgovora više od 1.000 pacijenata širom zemlje. Oni su procenili uzorke tokom hospitalizacije i do godinu dana nakon hospitalizacije da bi bolje razumeli heterogenost bolesti.
IMPACC multiomički pristup, koji kombinuje višestruke „omike“ kao što su genomika, proteomika i transkriptomika, jedna je od najvećih i najsveobuhvatnijih analiza do sada.
COVID-19 ima širok spektar manifestacija kod pacijenata. Da bi identifikovao razlikovne karakteristike koje dovode do različitih odgovora pacijenata, IMPACC koristi pristup sistemske imunologije koji je pionir Konzorcijuma projekta humane imunologije NIAID (HIPC) Nacionalnog instituta za alergije i infektivne bolesti (NIAID).
HIPC na Jejlu vode članovi IMPACC dr Rut R. Montgomeri, profesor medicine i epidemiologije (mikrobne bolesti) i pomoćnik dekana za naučne poslove na ISM, i David A. Hafler, MD, predsednik i Villiam S. i Lois Stiles Edgerli, profesor neurologije.
Dr Stiven Klajnštajn, Entoni N. Brejdi, profesor patologije na ISM-u, takođe HIPC istraživač, vodio je radnu grupu za analizu podataka IMPACC na više lokacija da obradi pojedinačne tipove podataka za integrisanu analizu od strane stručnjaka za informatiku konzorcijuma.
„Moja grupa je imala zadatak da uzme milione tačaka podataka od ovih više od 1.000 pojedinaca i koristi modeliranje da razjasni razloge zašto različiti ljudi različito reaguju na COVID-19 i molekularne mehanizme koji stoje iza toga“, kaže dr Džeremi Gigi. kandidat na Jejlskom programu računarske biologije i bioinformatike i prvi autor studije.
U svojoj najnovijoj studiji, Gigi i tim su želeli da identifikuju potpise povezane sa teškom infekcijom COVID-19 i smrtnošću. Štaviše, ispitali su interakcije ovih obeležja kako bi bolje razumeli osnovnu imunološku kaskadu koja se javlja u kritičnim slučajevima.
„Nismo samo odvojeno posmatrali nečije gene, proteine i metabolite“, kaže Gigi. „Umesto toga, ispitali smo kako transkriptomski, proteomski i metabolomski profili za pojedinca rade zajedno kako bi objasnili ishod.“
„Ovo bi mogla biti najveća studija COVID-19 do sada koja je posmatrala toliko različitih „omika“ istovremeno i tokom vremena“, dodaje Leiing Guan, dr., docent biostatistike na Iale School of Public Health i viši autor studije.
„Ovo su jedinstveni aspekti naše studije i omogućili su nam da uradimo više od onoga što je urađeno u prethodnoj literaturi o biomarkerima COVID-19.“
Da bi to postigao, tim je iskoristio IMPACC skup podataka i računski metod poznat kao modeliranje latentnog faktora. Ovi modeli su pomogli istraživačima da identifikuju koordinirane obrasce među mnoštvom testova koje su proučavali.
Njihovi modeli imali su dva glavna zadatka. Prvo su želeli da identifikuju pokretače teške bolesti. Tražili su prediktore koji su povezani sa pet grupa kliničkih putanja kohorte, od kojih je pet najteže, i sa različitim putanjama bolesti. Drugo, među najtežim grupama, istraživači su takođe tražili potpise koji predviđaju smrtnost.
„Pokušavali smo da razdvojimo one kojima je bila potrebna hospitalizacija i ventilaciju i preživeli su, i one kojima nije“, kaže Gigi.
Model težine identifikovao je više faktora koji su značajno povezani sa putanjom bolesti COVID-19, uključujući upalu, limfopeniju T ćelija i katabolizam aminokiseline triptofana.
Iako su mnogi od ovih potpisa identifikovani u literaturi o COVID-19, novi modeli su dodali vremenski element da bi otkrili kako su ovi obeležji evoluirali tokom vremena i međusobno delovali.
Među dve najteže grupe, povišena diskoordinacija interferonske signalizacije, koja igra vitalnu ulogu u imunološkom odgovoru, značajno je predvidela smrtnost.
„Za kohortu ozbiljnosti, iako su obeležja koja smo pronašli već bila dobro poznata, identifikovali smo dodatni sloj interakcije“, kaže Guan. „Među kohortom mortaliteta, pronašli smo važnu vrstu disregulacije [interferonske signalizacije] koja može da karakteriše sudbinu hospitalizovanih pacijenata.“
Ova studija je značajno dostignuće i uzbudljiva polazna tačka, kažu istraživači, i oni imaju planove da nadograde ovaj rad kako bi bolje razumeli više aspekata COVID-19. Na primer, nadaju se da će koristiti slične tehnike modeliranja kako bi stekli bolje razumevanje dugog COVID-a i kako se razvija nakon akutne infekcije.
Naučivši više o složenostima mehanizama koji leže u COVID-19, oni se nadaju da će utrti put za nove uvide u efikasnije tretmane kako za akutnu tako i za dugotrajnu bolest.
