转录宿主反应特征揭秘，有助于早期治疗

　　研究人员已经生成了一个基因特征，可以检测宿主对 COVID-19 的反应，他们说这可以改进诊断工具并用于早期治疗。

　　在近日表在《细胞系统》杂志上的两篇论文中，来自耶鲁大学和西奈山伊坎医学院的研究人员开发了一个框架，用于生成转录宿主反应特征，可以可靠地检测病原体，同时减轻与其他非 -目标感染。 然后，他们使用该框架来指导他们开发 11 基因 COVID-19 宿主反应特征。

　　“正如我们针对 COVID-19 所展示的那样，两项研究中描述的方法的整合有助于提供诊断特征检测感染的敏感性所需的平衡，同时仍然限制与其他感染和病症的交叉反应，”共同作者 Elena Zaslavsky， 西奈山神经病学教授在一份声明中说。 “这些新方法可以帮助解决对感染进行更快速诊断的需求，以便更早地开始适当的治疗。”

　　在他们的第一篇论文中，研究人员搜索了 NCBI PubMed，以确定 24 种不同的先前发表的宿主对一系列感染（包括病毒和细菌）的反应的转录特征。

　　同时，研究人员收集了宿主血液对病原体感染的转录反应数据集。 该集合包括 136 个血液转录组对病毒、细菌、寄生虫或真菌感染反应的转录数据集，以及另外 14 个来自老年人或肥胖个体的转录组数据，因为年龄和肥胖与免疫系统改变有关。

　　他们开发了一个框架来系统地评估他们在这些数据集中的文献中发现的感染特征的稳健性和交叉反应性。

　　通过他们的几何平均评分方法，研究人员发现总体特征可以检测到他们开发的感染，以便从独立数据中发现。 这些签名还可以检测无症状和慢性感染，但性能会有所降低。

　　然而，许多特征与其他非目标感染以及年龄有交叉反应。 另一项针对流感感染特征的分析进一步强调了稳健性和交叉反应性之间的一般权衡。

　　然后，在他们的随附论文中，研究人员使用这个框架来帮助生成 COVID-19 宿主响应签名。

　　为此，研究人员分析了 COVID-19 患者与健康对照者以及 COVID-19 与其他病原体患者的人类血液转录组数据集。 他们使用机器学习方法，根据其检测 COVID-19 的能力、与 ATAC-seq 和通路数据的一致性及其交叉反应性，评估了任何提议的签名。 由此，他们选择了一个 11 基因特征，该特征在训练和开发集中始终对 COVID-19 具有高检测率，并且与其他病毒、细菌和非感染性疾病的交叉反应性较低。

　　在另外八项 COVID-19 研究的验证集中，该特征还具有高检出率和低交叉反应性。 此外，研究人员将其性能与之前公布的四种基因特征进行了比较。 他们发现，虽然所有特征都有很强的检测率，但只有新特征表现出最小的交叉反应。

　　使用免疫细胞类型特异性特征，研究人员还追溯了他们的 COVID-19 宿主反应特征的细胞起源。 该特征与浆母细胞和记忆 T 细胞的特征重叠，进一步的单细胞分析表明，特征的浆母细胞来源部分有助于 COVID-19 检测，而特征的记忆 T 细胞来源部分限制了交叉反应。

　　耶鲁大学的共同第一作者 Daniel Chawla 在一份声明中说：“这些出版物中提出的框架可在线获取，使研究团体的成员能够在我们的免疫条件纲要中对他们自己的签名的表现进行基准测试。” “通过这些工具，我们希望能够发现高度特异性的疾病特征。”