|
（1）介绍 作者对139例COVID-19患者的临床测量，免疫细胞和血浆多组学进行了综合分析，这些患者代表了疾病严重程度的所有水平，这些数据来自于诊断后感染后第一周的连续抽血。作者确定轻度和中度疾病之间的主要转变，在这一点上，炎症信号的升高伴随着特定类别的代谢产物和代谢过程的丧失。在这种处于中等疾病压力的血浆环境中，多种异常的免疫细胞表型出现并随着疾病严重程度的增加而放大。我们将超过120,000个免疫特征浓缩到一个轴上，以捕获不同免疫细胞类别如何响应SARS-CoV-2进行协调。该免疫反应轴独立地与主要血浆成分变化保持一致，具有血液凝结的临床指标，以及轻度和中度疾病之间的急剧转变。这项研究表明，中度疾病可能为治疗干预提供最有效的环境。  （2）实验方法 COVID-19患者和健康对照样本、 血浆和PBMC提取、 血浆蛋白质组学 、 单细胞多重分泌物测定 、单细胞多组学分析 血浆代谢组学 Metabolon（美国北卡罗来纳州莫里斯维尔）对本研究中使用的所有参与血浆样品进行了代谢组学测定。数据是通过超高效液相色谱/串联精确质谱法通过Global Metabolomics平台生成的。分装100μl血浆，并在干冰上运输至Metabolon Inc.进行分析。Metabolon在其CLIA认证的实验室中进行了样品处理和质量控制。使用Metabolon的超高效液相色谱/串联质谱（UHPLC / MS / MS）全球平台进行质谱分析，该平台由四台独立的UPLC–MS / MS仪器组成，每台仪器均配有Waters ACQUITY超高效液相色谱（UPLC）和Thermo Scientific Q-Exactive高分辨率/精确质谱仪，并与35,000质量分辨率的加热电喷雾电离（HESI-II）源和Orbitrap质量分析仪相连。数据提取以及生化识别，数据管理，定量和数据归一化均由Metabolon的硬件和软件执行。分批处理样品，每批中包括合并的质量控制样品。汇总的质量控制样品在各批次中是一致的。通过除以同一批次的合并质量控制样品中确定的相应平均值，可以调整每种代谢产物的潜在批次效应。为了分析， 血浆组学的主成分分析 PCA是分别通过代谢产物和蛋白质组通过质量控制的代谢组学和蛋白质组学数据进行的。在缩小尺寸之前，将值居中并从0缩放到1。如果是蛋白质，则从数据集中删除所有患者无法确定的所有蛋白质，然后使用python的scikit-learn对每位患者剩余的352种蛋白质运行PCA（Pedregosa等人，2011年）。）。对于代谢物，无法确定其他几个值，因此确定性PCA是不可行的。取而代之的是，将所有> 20％的患者无法确定的代谢物去除。这留下了1053种代谢产物中的766种，只有4.98％的过滤数据集未确定。然后，通过MATLAB中的概率PCA将降维应用于滤波后的数据（Tipping和Bishop，1999年）。根据患者严重程度，在抽血时根据WOS对PCA图进行着色。 参考文献 -----在读博士，代谢，组学研究 王平写作 ，欢迎转发，精彩不断。学习不断 参考文献： Multi-Omics Resolves a Sharp Disease-State Shift between Mild and Moderate COVID-19 |
|
|
