امضای میکروبیوم مبتنی بر ژنوم با شدت و پیش آگهی COVID-19 در بیماران بستری در بیمارستان مرتبط است


در مطالعه اخیر ارسال شده به bioRxiv* سرور پیش چاپ، محققان ارتباط بین امضای میکروبیوم در سطح صنف و شدت و پیش آگهی عفونت‌های سندرم حاد تنفسی کرونا 2 (SARS-CoV-2) را با تجزیه و تحلیل متاژنومی در سطح ژنوم ارزیابی کردند.

مطالعه: امضای میکروبیوم در سطح انجمن مرتبط با شدت و پیش آگهی COVID-19.  اعتبار تصویر: Design_Cells/Shutterstock
مطالعه: امضای میکروبیوم در سطح انجمن مرتبط با شدت و پیش آگهی COVID-19. اعتبار تصویر: Design_Cells/Shutterstock

زمینه

آنزیم مبدل آنژیوتانسین 2 (ACE-2) یک گیرنده ضروری برای تهاجم میزبان SARS-CoV-2 است و به طور گسترده در روده بیان می شود. التهاب مرتبط با بیماری کروناویروس 2019 (COVID-19) ممکن است باعث اختلالات میکروبیوم روده شود، که ممکن است وضعیت پرالتهابی را در افراد مبتلا به SARS-CoV-2 تشدید کند. با این حال، ارتباط بین تغییرات میکروبیوم روده و پیش آگهی عفونت های SARS-CoV-2 به خوبی مشخص نشده است.

در مورد مطالعه

در مطالعه حاضر، محققان HQMAG (ژنوم‌های مونتاژ شده با متاژنوم با کیفیت بالا) را که از نمونه‌های مدفوع توالی‌یابی شده بودند، تجزیه و تحلیل کردند تا ارتباط بین امضای میکروبیوم در سطح انجمن و شدت و پیش آگهی عفونت‌های SARS-CoV-2 را ارزیابی کنند.

بین مه و سپتامبر 2020، 330 نمونه مدفوع از 300 بیمار مبتلا به SARS-CoV-2 مثبت بستری در بیمارستان، با تشخیص‌ها با تجزیه و تحلیل کمی واکنش زنجیره‌ای پلیمراز رونویسی معکوس (RT-qPCR) به دست آمد. تجزیه و تحلیل توالی متاژنومیک برای ارزیابی پروفایل های میکروبیوم روده انجام شد و HQMAG های غیر تکراری (n=2568) بازسازی شدند که از این تعداد 33 HQMAG توزیع های متفاوتی را بر اساس شدت COVID-19 نشان دادند.

افراد بر اساس شدت عفونت SARS-CoV-2 به عنوان بیماران خفیف، متوسط، و بحرانی/شدید طبقه بندی شدند. یک طبقه‌بندی‌کننده یادگیری ماشین مبتنی بر الگوریتم جنگل تصادفی (RF) برای بررسی اینکه آیا شرکت‌کنندگان می‌توانند بر اساس 33 HQMAG در گروه‌های شدت بیماری طبقه‌بندی شوند یا خیر، توسعه داده شد. علاوه بر این، تجزیه و تحلیل هم فراوانی به 33 HQMAG برای ارزیابی تعاملات میکروبیوم روده و تعیین ساختار اصناف (گروه های عملکردی منسجم) تشکیل شده توسط آنها اعمال شد.

تجزیه و تحلیل ژنوم محور متاژنوم اصناف برای بررسی اساس ژنتیکی ارتباط بین دو صنف و شدت COVID-19 انجام شد. علاوه بر این، مقادیر شاخص میکروبیوم در سطح صنف (GMI) بر اساس میانگین تفاوت فراوانی بین اصناف محاسبه شد.

برای بررسی اینکه آیا امضای سطح صنف به دست آمده در بستری در بیمارستان می تواند با پیش آگهی COVID-19 مرتبط باشد، تجزیه و تحلیل رگرسیون مبتنی بر RF انجام شد. این تیم بررسی کردند که آیا امضای میکروبیوم در هنگام پذیرش در بیمارستان می‌تواند پیامدهای شدید COVID-19 را پیش‌بینی کند و آیا این امضا می‌تواند برای سایر گروه‌های COVID-19 اعمال شود یا خیر.

اعتبار یافته های مطالعه با اعمال آنها در مطالعه دیگری شامل 24 و 14 بیمار خفیف / متوسط ​​و بحرانی / شدید COVID-19 تعیین شد. این تیم بررسی کرد که آیا بیماران از گروه‌های شدت کووید-19 متفاوت را می‌توان بر اساس 33 HQMAG طبقه‌بندی کرد و اینکه آیا امضا می‌تواند بین افراد SARS-CoV-2 منفی SARS-CoV-2 بر اساس داده‌های 66، 69 تمایز قائل شود. و نه بیمار مبتلا به SARS-CoV-2 مثبت، افراد منفی SARS-CoV-2 و بیماران پنومونی اکتسابی از جامعه (CAP) غیرCOVID-19.

نتایج

مدل‌سازی مبتنی بر RF بر اساس 33 HQMAG که شرکت‌کنندگان را بر اساس شدت COVID-19 و تجزیه و تحلیل شبکه فراوانی مشترک طبقه‌بندی کردند، تشکیل دو انجمن توسط 33 HQMAG را نشان داد. انجمن 1 شامل ژن‌های بیوسنتز اسیدهای چرب با زنجیره کوتاه‌تر و ژن‌های مقاومت آنتی‌بیوتیکی و بیماری‌زایی کمتری نسبت به انجمن 2 بود. 33 HQMAG در بستری شدن در بیمارستان می‌توانند پیش‌آگهی COVID-19 را ظرف یک هفته پس از بستری شدن در بیمارستان پیش‌بینی کنند. بعلاوه، مشخص شد که انجمن 1 در بستری شدن در بیمارستان بر انجمن 2 مسلط بود و این برتری پیشگویی کننده پیامدهای بحرانی COVID-19 مانند مرگ بود.

مدل‌های RF می‌توانند بیماران SARS-CoV-2 مثبت را از افراد سالم، بیماران SARS-CoV-2 منفی و بیماران CAP در سه مجموعه داده متفاوت متمایز کنند. از 2568 HQMAG، 48 مورد دارای ≥5 درصد تنوع بسته به شدت کووید-19 بودند، که 17 مورد در میان بیماران خفیف COVID-19 به طور قابل توجهی بالاتر بودند و انجمن 1 را تشکیل دادند، از جمله Faecalibacterium prausnitzii، Romboutsia timonensis، کلستریدیوم، رومینوکوکوس، آلیسونلا هیستامینی فرمانس، نگاتیوی باسیلوس، آکوتالی باکتریاسه، لاکنوسپیراسه، و کوپروکوکوس.

از 48 HQMAG، 31 مورد در بین بیماران بحرانی/شدید کووید-19 فراوان‌تر بود، که 16 مورد از نظر شدت تفاوت‌های قابل‌توجهی نشان دادند و انجمن 2 را تشکیل دادند، از جمله انتروکوک، لاکتوباسیلوس، Akkermansia muciniphila، Acutalibacteraceae، Barnesiella intestinihominis، Anaerotignum، Dore، Clostridium_M bolteae، Lachnospiraceae، Intestinibacter bartlettii، Ruthenibacterium lactatiformans، و فاسکولارکتوباکتریوم فاسیو. این دو صنف با یکدیگر همبستگی منفی داشتند که نشان دهنده یک رابطه رقابتی بالقوه بین اصناف است.

انجمن 2 دارای ژن های فاکتور حدت (VF) بیشتری بود، در حالی که انجمن 1 ژن های مقاومت آنتی بیوتیکی (ARGs) بیشتری داشت. پس از یک هفته بستری در بیمارستان، مقادیر GMI با اینترلوکین‌ها (IL)-5،12p70، درصد لنفوسیت‌های خون و شمارش مطلق، کلسترول تام، کلسیم و سطوح آلبومین همبستگی مثبت داشت. نمرات GMI با درصد نوتروفیل، D-Dimer، فیبرینوژن (B)، محصولات تجزیه فیبرین، بیلی روبین کل و مستقیم، گلوکز و سطوح لاکتات دهیدروژناز (LDH) رابطه منفی داشت.

علاوه بر این، مقادیر GMI در بستری شدن سه فرد متوفی به طور قابل توجهی کمتر از چهار بیمار بحرانی COVID-19 ترخیص شده بود. یافته ها نشان داد که امضای میکروبیوم روده در مراحل اولیه ممکن است منعکس کننده پیامدهای COVID-19 در بین بیماران بستری در بیمارستان باشد و GMI می تواند به عنوان پیش بینی کننده شدت COVID-19 استفاده شود.

نتیجه

به طور کلی، یافته‌های مطالعه ارتباط بین امضاهای میکروبیوم روده در سطح صنف ژنوم محور و شدت و پیش‌آگهی COVID-19 را برجسته کرد که ممکن است به شناسایی اولیه بیماران COVID-19 و تخمین خطر پیامدهای شدت کمک کند.

*تذکر مهم

bioRxiv گزارش‌های علمی مقدماتی را منتشر می‌کند که توسط همتایان بررسی نمی‌شوند و بنابراین، نباید به‌عنوان نتیجه‌گیری، راهنمای عمل بالینی/رفتار مرتبط با سلامتی در نظر گرفته شوند یا به عنوان اطلاعات ثابت در نظر گرفته شوند.



منبع