多组学联合分析之：蛋白质组学和代谢组学帮助新冠重症患者分类-价格-分析测试百科网服务谱

型号	品牌	PIPES指数
蛋白质组学	迈维代谢	8.1
生物信息学优质服务-翻译后修饰组	中科新生命	7.9
多层组学整合分析	鹿明生物	7.9

描述

冠状病毒病COVID-19是由严重急性呼吸系统综合症冠状病毒2（SARS-CoV-2）引起的，目前仍在世界范围内传播。感染SARS-CoV-2的患者中约80％表现为轻度症状，预后良好。但约20％的患者患有呼吸窘迫，需要立即进行氧气治疗或其他住院干预。这些患者被分类和诊断主要是基于一组临床特征进行的，例如呼吸频率（≥30次/min）、平均氧饱和度（静息状态下≤93％）或动脉血氧分压/氧浓度（≤300mmHg）。但是表现出这些临床特征的患者已经发展到临床严重阶段，需要立即获得专门的重症监护，否则可能会迅速死亡。因此，开发新的方法以尽早评估哪些病例可能变得临床严重至关重要。

本研究中，研究者假设在严重患者的血清中可以检测到SARS-CoV-2诱导的特征性的分子变化，并应用蛋白质组学和代谢组学技术分析COVID-19患者和几个对照组的血清，以验证这一假设。

s7

杂志：Cell

影响因子：38.637

发表时间：May 2020

链接：

https://www.cell.com/cell/fulltext/******20)30627-9

重症COVID-19患者的早期发现和有效治疗仍然是主要挑战。本文研究者对

主要结果

研究者首先使用基于TMT的蛋白质组学技术和非靶向代谢组学技术分析了患

20230117-9217-20221219-7429-通过蛋白质组和代谢组特征的机器学习区分重度和非重度COVID-19患者.png 者和对照个体的血清，总共鉴定和定量了894种蛋白质和941种代谢物（包括36种药物及其代谢物）。在无分子选择下，来自SARS-CoV-2感染患者的血清的组学数据可从健康个体中很好地分辨出来，而其他组则表现出一定程度的分离。基于18位非严重和13位严重患者的蛋白质组学和代谢组学数据，研究者建立了一个随机机器学习模型，从而对29个重要变量进行了优先级排序，其中包括22种蛋白质和7种代谢产物。在10名患者的独立测试组中测试了该模型，除一名患者外其余严重患者均正确识别。为了进一步验证该分类器，研究者开发了针对22种蛋白质和7种代谢物的靶向质谱分析，并在19名患者中进行了测试，其中16位患者分类正确。研究发现COVID-19患者的血清中有105种蛋白质差异表达，在严重患者中有93种蛋白表现出特异性调节。途径分析和网络富集分析表明，这93种蛋白中的50种属于三个主要途径，即补体系统激活、巨噬细胞功能和血小板脱粒。研究发现COVID-19患者的373种代谢产物发生了显著变化，而204种代谢物的变化与通过