Μια νέα μελέτη αποκάλυψε ενδείξεις που βοηθούν τους επιστήμονες να προβλέψουν ποιος κινδυνεύει περισσότερο από σοβαρή νόσηση με COVID-19 και μεταξύ αυτών που εμφανίζουν σοβαρή ασθένεια, ποιος είναι πιο πιθανό να επιβιώσει. Οι ερευνητές δημοσίευσαν τα ευρήματά τους στο Journal of Clinical Investigation.
Η μελέτη βασίστηκε σε δεδομένα από την αξιολόγηση ανοσοφαινοτυποποίησης σε μια μελέτη Cohort COVID-19 (IMPACC), μια συνεργασία μεταξύ του Εθνικού Ινστιτούτου Αλλεργιών και Λοιμωδών Νοσημάτων (NIAID) των ΗΠΑ και 15 ερευνητικών ιδρυμάτων σε όλη τη χώρα, συμπεριλαμβανομένης της Ιατρικής Σχολής του Yale (YSM).
Οι επιστήμονες διεξήγαγαν εκτενείς αναλύσεις σε πολλές διαφορετικές πτυχές ανοσολογικών απαντήσεων, περισσότερων από 1.000 ασθενείς σε όλη τη χώρα. Αξιολόγησαν δείγματα κατά τη διάρκεια της νοσηλείας για έως και έναν χρόνο μετά τη νοσηλεία για να κατανοήσουν καλύτερα την ετερογένεια της νόσου. Η προσέγγιση IMPACC είναι μια από τις μεγαλύτερες και πιο ολοκληρωμένες αναλύσεις μέχρι σήμερα.
Η COVID-19 έχει ένα ευρύ φάσμα εκδηλώσεων σε ασθενείς. Για τον εντοπισμό διακριτικών χαρακτηριστικών που οδηγούν σε διαφορετικές ανταποκρίσεις ασθενών, το IMPACC χρησιμοποιεί μια προσέγγιση ανοσολογίας συστημάτων που πρωτοστάτησε από το NIAID Human Immunology Project Consortium (HIPC) του Εθνικού Ινστιτούτου Αλλεργίας και Λοιμωδών Νοσημάτων (NIAID) των ΗΠΑ.
Η HIPC διευθύνεται στο Yale από τα μέλη του IMPACC Ruth R. Montgomery, Ph.D., καθηγήτρια ιατρικής και επιδημιολογίας (μικροβιακές ασθένειες) και αναπληρωτή πρύτανη για επιστημονικές υποθέσεις στο YSM, τον David A. Hafler, MD, πρόεδρο και τους William και Lois Stiles Edgerly Καθηγητές Νευρολογίας. Οι Steven Kleinstein, Ph.D., και Anthony N. Brady, Καθηγητές Παθολογίας στο YSM, ηγήθηκαν της ομάδας εργασίας ανάλυσης δεδομένων IMPACC.
«Η ομάδα μου είχε επιφορτιστεί με τη λήψη των εκατομμυρίων σημείων δεδομένων από αυτά τα 1.000 και πλέον άτομα και τη χρήση μοντελοποίησης ώστε να αποσαφηνίσει τους λόγους για τους οποίους διαφορετικοί άνθρωποι ανταποκρίνονται στην COVID-19 διαφορετικά και τους μοριακούς μηχανισμούς πίσω από αυτό» λέει ο Jeremy Gygi, Ph.D. υποψήφιος στο πρόγραμμα υπολογιστικής βιολογίας και βιοπληροφορικής του Yale.
Τα νέα μοντέλα αναζητούν μοτίβα που συνδέονται με τα αποτελέσματα της COVID-19
Στην τελευταία τους μελέτη, ο Gygi και η ομάδα του ήθελαν να εντοπίσουν σημεία που σχετίζονται με σοβαρή μόλυνση και θνησιμότητα από την COVID-19. Επιπλέον, εξέτασαν τις αλληλεπιδράσεις αυτών των χαρακτηριστικών για να κατανοήσουν καλύτερα την υποκείμενη ανοσολογική κατάσταση που εμφανίζεται σε κρίσιμες περιπτώσεις.
«Δεν εξετάσαμε απλώς τα γονίδια, τις πρωτεΐνες και τους μεταβολίτες κάποιου ξεχωριστά» σημειώνει ο Gygi. Και εξηγεί: «Αντίθετα, εξετάσαμε πώς τα μεταγραφικά, πρωτεομικά και μεταβολομικά προφίλ για ένα άτομο συνεργάζονται για να εξηγήσουμε ένα αποτέλεσμα».
«Αυτή θα μπορούσε να είναι η μεγαλύτερης κλίμακας μελέτη COVID-19 μακράν που εξέτασε τόσες πολλές διαφορετικές “ωμικές” ταυτόχρονα και με την πάροδο του χρόνου» προσθέτει ο Leying Guan, Ph.D., επίκουρος καθηγητής βιοστατιστικής στο Yale School of Public Health και ανώτερος συγγραφέας της μελέτης. Και υποστηρίζει: «Αυτές οι μοναδικές πτυχές της μελέτης μας, μας επέτρεψαν να κάνουμε περισσότερα από όσα έγιναν στην προηγούμενη βιβλιογραφία για τους βιοδείκτες COVID-19».
Για να επιτευχθεί αυτό, η ομάδα αξιοποίησε το σύνολο δεδομένων IMPACC και μια υπολογιστική μέθοδο γνωστή ως μοντελοποίηση λανθάνοντος παράγοντα. Αυτά τα μοντέλα βοήθησαν τους ερευνητές να εντοπίσουν συντονισμένα μοτίβα μεταξύ του πλήθους των αναλύσεων που μελέτησαν. Τα μοντέλα τους είχαν δύο βασικά καθήκοντα:
Ήθελαν να εντοπίσουν τους λόγους σοβαρής ασθένειας. Αναζήτησαν παράγοντες πρόβλεψης που συσχετίζονται με τις πέντε ομάδες του συνόλου μελέτης, με τις πέντε να είναι και οι πιο σοβαρές.
Μεταξύ των πιο σοβαρών ομάδων, οι ερευνητές αναζήτησαν επίσης προγνωστικά σημεία της θνησιμότητας.
«Προσπαθούσαμε να χωρίσουμε αυτούς που χρειάζονταν νοσηλεία και επέζησαν και αυτούς που δεν τα κατάφεραν» συνεχίζει ο Gygi.
Η μελέτη προσδιορίζει σημάνσεις σοβαρής νόσου COVID-19 και θανάτου
Το μοντέλο σοβαρότητας εντόπισε πολλούς παράγοντες που σχετίζονται σημαντικά με την πορεία της νόσου COVID-19, συμπεριλαμβανομένης της φλεγμονής, της λεμφοπενίας των Τ κυττάρων και του καταβολισμού του αμινοξέος τρυπτοφάνη.
Ενώ πολλά από αυτά τα σημεία είχαν εντοπιστεί στη βιβλιογραφία για την COVID-19, τα νέα μοντέλα πρόσθεσαν ένα χρονικό στοιχείο για να αποκαλύψουν πώς αυτά τα χαρακτηριστικά εξελίχθηκαν με την πάροδο του χρόνου και αλληλεπιδρούσαν μεταξύ τους. Μεταξύ των δύο πιο σοβαρών ομάδων, ένας αυξημένος αποσυντονισμός της σηματοδότησης της ιντερφερόνης, που παίζει ζωτικό ρόλο στην ανοσολογική απόκριση, προέβλεψε σημαντικά τη θνησιμότητα.
«Για το μέγεθος της σοβαρότητας, αν και τα χαρακτηριστικά που βρήκαμε ήταν ήδη γνωστά, εντοπίσαμε ένα επιπλέον στρώμα αλληλεπίδρασης» τονίζει ο Guan. Και προσθέτει: «Όσον αφορά τη θνησιμότητα, βρήκαμε έναν σημαντικό τύπο απορρύθμισης που μπορεί να χαρακτηρίζει την τύχη των νοσηλευόμενων ασθενών».
Αυτή η μελέτη είναι ένα σημαντικό επίτευγμα και ένα συναρπαστικό σημείο εκκίνησης, λένε οι ερευνητές, που έχουν σχέδια να βασιστούν σε αυτό το έργο για να κατανοήσουν καλύτερα περισσότερες πτυχές της νόσου COVID-19. Για παράδειγμα, ελπίζουν να χρησιμοποιήσουν παρόμοιες τεχνικές μοντελοποίησης για να κατανοήσουν καλύτερα τον μακροχρόνιο COVID και πώς αναπτύσσεται μετά από μια οξεία μόλυνση.
Μαθαίνοντας περισσότερα για τις περιπλοκές των υποκείμενων μηχανισμών της COVID-19, ελπίζουν να ανοίξουν τον δρόμο για νέες γνώσεις και για πιο αποτελεσματικές θεραπείες τόσο για την οξεία όσο και για την μακροχρόνια νόσο.
Powergame.gr
