通过数字病理学和机器学习,通过数字病理学和机器学习,表现出哈姆斯特里的SARS-CoV-2变种的毒性
Gavin R Meehan1,2, Vanessa Herder1,2, Jay Allan1
1MRC-University of Glasgow Centre for Virus Research, United Kingdom.
PLoS pathogens
|November 7, 2023
概括
使用对仓鼠的数字病理学的新方法可以量化SARS-CoV-2变种的毒性. 与BA.1相比,一些像BA.2.75和EG.5.1这样的Omicron亚系表现出更高的毒性,这凸显了持续评估变异的需要.
科学领域:
- 病毒学和病变发生学.
- 数字病理学和机器学习
- 病毒变种的比较基因组学
背景情况:
- 严重急性呼吸道综合征冠状病毒2 (SARS-CoV-2) 继续演变,产生具有改变生物性质的关注变体 (VOC).
- 实时评估新出现的SARS-CoV-2变种的毒性对公共卫生至关重要.
- 奥米克朗BA.1变种的毒性低于以前的VOC,但随后的变种可能会恢复病原性.
研究的目的:
- 开发和验证定量数字病理学管道,以评估仓鼠模型中的SARS-CoV-2变体病毒性.
- 评估最近的Omicron亚系的致病性,包括BA.5,XBB,BQ.1.18,BA.2,BA.2.75和EG.5.1.1.
- 确定强大的生物标志物来量化病毒诱导的肺病理.
主要方法:
- 利用RNA测序,RNA in situ杂交,免疫组织化学和数字病理学与机器学习进行定量分析.
- 开发了软件辅助全截面成像和自动下游分析,以对肺病变进行公正的评估.
- 在实验中感染了SARS-CoV-2变种 (Delta,Omicron,BA.5,XBB,BQ.1.18,BA.2,BA.2.75,EG.5.1) 的仓鼠,以开发和测试管道.
主要成果:
- 量化膜上皮质增生和巨菌透在仓鼠的肺部作为可靠的标记病毒毒性.
- 分析显示,与原始的Omicron BA.1.1相比,Omicron BA.2.75和EG.5.1亚系表现出增加的毒性.
- 一个在线存储库 (https://covid-atlas.cvr.gla.ac.uk) 创建了数字遗传病理幻灯片,供公众访问和可视化.
结论:
- 开发的数字病理学管道为快速评估新出现的SARS-CoV-2变种的毒性提供了一个公正和有效的方法.
- 特定的Omicron亚系已经显示出病毒性复苏,强调了病毒进化的动态性质.
- 这种方法有助于及时生成数据,以便在正在进行的COVID-19大流行期间为公共卫生战略提供信息.
更多相关视频
08:41Live Imaging and Quantification of Viral Infection in K18 hACE2 Transgenic Mice Using Reporter-Expressing Recombinant SARS-CoV-2
Published on: November 5, 2021
2.8K
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.2K
