Proteomic and Metabolomic Characterization of COVID-19 Patient Sera36.216Cell . 2020 May 28;S0092-8674(20)30627-9. doi: 10.1016/j.cell.2020.05.032. Online ahead of print.
Abstract
Early detection and effective treatment of severe COVID-19 patients remain major challenges. Here, we performed proteomic and metabolomic profiling of sera from 46 COVID-19 and 53 control individuals. We then trained a machine learning model using proteomic and metabolomic measurements from a training cohort of 18 non-severe and 13 severe patients. The model was validated using 10 independent patients, 7 of which were correctly classified. Targeted proteomics and metabolomics assays were employed to further validate this molecular classifier in a second test cohort of 19 COVID-19 patients, leading to 16 correct assignments. We identified molecular changes in the sera of COVID-19 patients compared to other groups implicating dysregulation of macrophage, platelet degranulation, complement system pathways, and massive metabolic suppression. This study revealed characteristic protein and metabolite changes in the sera of severe COVID-19 patients, which might be used in selection of potential blood biomarkers for severity evaluation.
Keywords: COVID-19; metabolomics; proteomics; serum; severity.
今天和大家分享的是2020年6月9日发表在Cell主刊上的一篇新冠文献：Proteomic and Metabolomic Characterization of COVID-19 Patient Sera.该文献首先对46个COVID-19和53个对照个体的血清进行了蛋白质组学和代谢组学分析。然后，作者从18名非重症和13名重症患者的训练队列中，使用蛋白质组学和代谢组学测量结果来训练机器学习模型，并使用10名独立患者对模型进行了验证，其中7名可以正确分类。在19名COVID-19患者的第二个测试队列中，采用了靶向蛋白质组学和代谢组学测定方法来进一步验证该分类器，得出16个正确的分类。与其他组相比，作者确定了COVID-19患者血清中的分子变化，包括巨噬细胞功能失调，血小板脱颗粒，补体系统途径和大量代谢抑制。该项研究揭示了重症COVID-19患者血清中蛋白质和代谢物的特征性变化，可用于选择潜在的血液生物标志物以进行严重性的评估。科学问题
由SARS-COV-2引起的COVID-19的爆发为大流行病，严重威胁全球人民的生命健康，并对全球经济造成了严重的影响，引起了全球的关注。目前主要通过临床指征（呼吸频率、指氧饱和度或动脉血氧分压）和影像学特征来进行诊断COVID-19，轻重症人数也符合基本的“28定律”，80%感染的患者表现为轻症，可以自愈或通过轻度干预治愈。在临床症状之前尽早区分重症或可能发展为重症患者，有助于降低死亡率。COVID-19患者体内的蛋白或代谢等分子改变上以及有些轻症患者短时间内迅速演变为重症的原因尚不清楚，因此本研究对COVID-19患者血清的蛋白质组和代谢组分子进行系统分析。结果分析
（1）COVID-19患者血清种蛋白质组学与代谢组学图谱。作者选取的患者样本分别为健康对照组 ( n=28)，非COVID-19患者组 ( n=25)：疑似但SARS-CoV-2核酸检测为阴性；非重症COVID-19患者组( n=25)；重症COVID-19患者组 ( n=21)。图1a表示所有的COVID-19患者（未筛选），其中重症28个，非重症37个，其中标红表明患者具有慢性乙肝病毒感染。作者对不同组别的血清进行TMT蛋白质组学和UPLC-MS/MS 非靶向代谢组分析，检测各组间894种蛋白和941种代谢分子的变化，探究重症患者体内多种独特的分子调控。在QC分析中，蛋白质组学和代谢组学数据的变异系数（CV）的中值分别为10％和5％（图S2A）。 图1a COVID-19患者汇总
在图S2d-e中，作者检查年龄、性别、入院时间和采样时间等混杂因素的影响。在UMAP中所示，这些混杂因素并没有对组学数据产生重要影响。
（2）COVID-19患者血清的蛋白质组学和代谢组学分析。COVID-19患者的样本中存在105种表达的蛋白分子，COVID-19重症患者的样本中出93种特有的蛋白表达，图3a表示为三条富集通路中的top50的蛋白分子，经通路分析发现，其中的50种蛋白主要与患者体内的巨噬细胞功能、补体系统活化、血小板脱颗粒途径有关。COVID-19患者的样本中存在373种代谢物，图4a表明80种重要相关的代谢分子属于10大类。COVID-19重症患者的样本中存在204个特征性改变的代谢分子，其中显著变化的80种代谢物参与上述3种生物学途径。 图S4在COVID-19与non-COVID-19的蛋白质组与代谢组的差异
图4 COVID-19血清中代谢失调
（3）巨噬细胞失调及脂质代谢。COVID-19重症患者血清中共100多种脂分子下调（图4a），鞘磷脂和甘油磷脂参与介导信号转导和免疫活化等多种生物学过程。APOA1, APOA2, APOH, APOL1, APOD 和APOM（图3a）等多种载脂蛋白下调与巨噬细胞功能相关，有研究表明COVID-19患者由轻型转化为重症期间出现血清中APOA1水平降低。参与脂代谢的代谢分子表达失调，COVID-19患者中11种类固醇激素增加促进了巨噬细胞的功能调节，21-羟基孕酮增加，提示皮质酮生物合成可能是一种抗SARS-COV-2病毒的保护机制。此外，COVID-19患者中犬尿氨酸途径活化、胆碱及其衍生物减少，均影响巨噬细胞功能。（4）活化的急性期蛋白和补体系统。COVID-19患者中多种急性期蛋白APPs包括SAA1、 SAA2、CRP、SERPINA3和SAP/APCS等表达上调（图3b），参与病毒感染的早期免疫反应。C6、CFB、CFP和CPN1以及甘聚糖及衍生物表达水平升高，能够调节补体系统，有助于感染早期病毒的清除。（5）重症COVID19血清中的血小板脱粒和氨基酸代谢受到抑制。COVID-19患者中15种参与血小板脱颗粒的蛋白表达下调，可能与血小板减少相关，其中PPBP、PF4 在COVID-19重症患者明显下调，与疾病严重程度和预后相关。同时COVID-19患者中100多种氨基酸及其衍生物也显著减少，主要集中于精氨酸代谢，提示存在肝损伤。（6）作者根据质谱分析数据的基础上，进一步筛选出重症患者特征性的22个蛋白质和7个代谢物（图2a,b），其中红色为上调，绿色为下调。使用机器学习方法建立模型用于COVID-19重症患者分类，在训练队列中准确率达93.5%，该模型的AUC在训练集中达到0.957（图2c）。在首次验证队列（n=10）中（图2d），该模型能够准确分类7个，分类错误：重症COVID-19患者长期服用中药20年；非重症COVID-19患者合并HBV感染和糖尿病；非重症COVID-19患者原因未知。验证队列C2分类准确率为16/19（图2e），分类错误：重症COVID-19患者经激素治疗，可抑制免疫反应；重症COVID-19患者存在瓣膜置换手术史，长期服用华法林；非重症COVID-19患者合并高血压和糖尿病。因此，若患者血清样本成分符合这一组合，则很可能是重症患者或发展为重症病例。 
图2对蛋白组学和代谢组学特征的机器学习
总结
- COVID-19重症患者的样本中存在了93种特有的蛋白表达和204个特征性改变的代谢分子；
- 信号通路分析表明COVID-19患者的代谢和免疫功能异常；
- 筛选出重症患者特征性的22个蛋白质和7个代谢物模型可用于预测重症患者或发展为重症病例；
