|筛选尿液蛋白标志物可用于新冠患者轻重型分类预测

洪恒飞科技日报采访人员江耘
尿液中包含数千种蛋白，与机体免疫和代谢密切相关。其来源于人体外周循环，相比较血清、组织等，无需专业采集手段即可获得，可以满足日常实时健康监测的要求。利用尿液中的生物分子对人体健康状态进行监测，对于精准医学发展具有重要的实用价值。
2021年12月27日，西湖大学生命科学学院郭天南实验室与合作团队在《细胞》子刊《细胞报告（Cell Reports）》发表最新研究成果。联合团队从尿液中筛选出 20 个蛋白质标志物并建立模型，成功实现了对轻重型新冠肺炎患者进行分类预测，同时针对性地提出了新冠肺炎患者存在潜在肾损伤的证据。该研究表明，从新冠肺炎病人尿液中获取的生物分子可以灵敏地反映机体的病理状态。

文章插图

在蛋白质组学水平上区分轻型和重型 COVID-19 患者
尿液中信息量巨大算法模型提炼出预测值
当前，国际病毒分类委员会将新型冠状病毒的病毒命名为SARS-CoV-2 ，其引起的疾病则被世界卫生组织命名为COVID-19 。鉴定新冠患者的轻重型，对于开展治疗尤其重要。
据了解，联合团队的研究共定量了1494个血清蛋白， 3854个尿液蛋白， 903个血清代谢物和1033个尿液代谢物，发现尿液中的蛋白分子量分布与全人类蛋白组的蛋白分子量分布一致，即尿液样本不会遗漏某一类蛋白而导致信息丢失。
尿液蛋白能否体现出新冠肺炎引起的分子变化？联合团队基于机器学习预测显示，尿液蛋白对于轻重型新冠肺炎的区分能力与血清蛋白基本一致。
运用蛋白组学和代谢组学的分析手段，我们通过对 COVID-19 患者组以及健康对照组的尿液、血清样本进行了系统研究对比。郭天南介绍，从蛋白层面分析，单位体积的尿液蛋白含量在轻、重型 COVID-19 患者组中与健康组相比明显升高，这个结果提示尿液可能会更灵敏地反应机体疾病水平的变化。
医学上倾向于通过具体数值来判断健康状态，比如测体温、血压等。尿液中信息量大，但不同种类蛋白的数值显然不够直观。为此，联合团队建立了基于 20 个尿液蛋白的机器学习模型进行运算转换。
可将这一算法模型理解成一个函数，输入‘X’ ‘Y’ ‘Z’等数值，能得出一个用于评判的预测值。郭天南介绍，预测值有个数字区间，从低到高与轻、重型COVID-19的情况相对应。在重型 COVID-19 患者的恢复过程中，该模型的预测值随着时间的延长逐渐降低；而在轻型的恢复患者中，预测值趋于平缓并无明显变化。这进一步证实了这 20 个尿液蛋白具备对 COVID-19 轻重型进行分类预测的潜力。团队已研发出特制试剂盒，用于尿液样本采集和高效送检。

文章插图

COVID-19 患者血清和尿液中失调蛋白质分析
蛋白失调损伤肾脏免疫紊乱触发系列问题
细胞因子是一类主要由免疫细胞合成、分泌的蛋白质。其中，细胞因子CXCL14参与调控体内许多生物学过程，如炎症免疫反应，肿瘤相关的血管生成等。
不受控制的先天性炎症反应引起的细胞因子风暴，是导致 COVID-19 患者高死亡率的主要原因。因此，联合团队着重关注了血清和尿液中的细胞因子的变化，在血清中定量到了 124 个细胞因子，在尿液中定量到了 197 个。

|筛选尿液蛋白标志物 可用于新冠患者轻重型分类预测

|筛选尿液蛋白标志物可用于新冠患者轻重型分类预测