在COVID-19患者中,使用5项多中心,随机,受控和前性研究的数据开发了一种与严重疾病相关的蛋白质特征

科学领域:

• 蛋白质组学是指蛋白质组学.
• 传染病流行病学 传染病流行病学
• 生物标志物发现发现

背景情况:

• 疫苗已经改善了COVID-19的预防,但预测严重的疾病进展仍然是一个挑战.
• 需要验证的基线生物签名来识别患有SARS-CoV-2感染严重结果风险的患者.
• 目前的方法缺乏在门诊和住院环境中对疾病严重性的强有力的预测工具.

研究的目的:

• 开发和外部验证一种新的基线蛋白质组签名,用于预测中度或严重的COVID-19.
• 为了识别与COVID-19疾病严重程度相关的特定蛋白质及其表达变化.
• 创建适用于SARS-CoV-2的门诊和住院患者的预测工具.

主要方法:

• 使用SomaLogic SomaScan平台对超过7000种蛋白质的蛋白质组分析.
• 在两个随机对照试验的数据上使用弹性网方法开发预测签名.
• 用三项独立的国际前性生物标志物研究的数据对签名进行外部验证.

主要成果:

• 在轻度和中度/重度COVID-19病例 (4110种蛋白质) 之间观察到基线蛋白质表达的显著差异.
• 开发出来的蛋白质特征在预测疾病严重程度方面表现出很高的准确性 (AUC=0.964,误差率4.7%).
• 五种蛋白质 (Afamin,I-309,NKG2A,PRS57,LIPK) 加上年龄的精细签名实现了优异的预测 (AUC=0.9804,错误率1.77%) 并在多个队列中得到验证.

结论:

• 一个新的,经验证的基线蛋白质组签名可以准确地预测COVID-19疾病的严重程度.
• 这种签名包括五种特定蛋白质和患者年龄,为早期风险分层提供了一个有前途的工具.
• 这些发现支持这种蛋白质组签名在不同环境中管理COVID-19患者的潜在临床实用性.