基于CD15、ACE2与年龄的联合模型高效预测COVID-19严重程度

本研究针对COVID-19患者病情严重程度早期预测难题，通过分析216例患者血液中CD15、ACE2等免疫与感染相关标志物的表达水平，结合年龄因素构建预测模型。研究发现CD15与ACE2的低表达与重症显著相关，最终模型特异性达92.9%、敏感性79.3%（AUC=0.91），为临床资源优化和个体化治疗提供了高效预测工具。

　　

COVID-19大流行呈现从呼吸道症状到心血管并发症的广泛临床结局谱系，给医疗管理和资源分配带来巨大挑战。尤其令人困扰的是，约10-15%的患者会发展为重症，需要重症监护治疗，而早期识别高风险个体始终是临床实践的难点。尽管已有研究探索了循环生物标志物和常规血液学参数的预测价值，但宿主与病毒相互作用的关键介质——免疫细胞膜表面标志物的作用仍未充分挖掘。其中，血管紧张素转换酶2（ACE2）和跨膜丝氨酸蛋白酶2（TMPRSS2）因在病毒侵入中的核心作用备受关注，但它们在血液免疫细胞中的表达模式与疾病严重度的关联尚不明确。与此同时，CD15（一种中性粒细胞迁移关键抗原）和CD45（泛白细胞标志物）等免疫标志物在COVID-19免疫应答中的作用也需深入探索。

为解决这一难题，由Sergio Cuenca-López和Ana Pozo-Agundo等研究人员组成的团队在《Scientific Reports》上发表了最新研究成果。他们通过对216例西班牙COVID-19患者（111例轻症，105例重症）的多中心队列研究，系统分析了ACE2、TMPRSS2、CD15和CD45的表达特征，并成功构建了一个高效预测疾病严重程度的临床模型。

研究采用的主要技术方法包括：从医院队列采集的216例患者外周血样本，通过流式细胞术检测CD15、CD45、ACE2和TMPRSS2的蛋白表达水平，使用qPCR（定量实时聚合酶链反应）检测ACE2和TMPRSS2的mRNA表达，并采用混合效应线性回归模型和ROC（受试者操作特征）曲线进行统计分析。

ACE2和TMPRSS2在COVID-19患者血液中表达较低

研究人员首先通过qPCR检测了ACE2和TMPRSS2的mRNA表达水平。结果显示，ACE2在99个样本中检测到表达（轻症78例，重症21例），而TMPRSS2仅在37个样本中检测到表达（轻症29例，重症8例）。两种标志物在血液中的表达水平普遍较低，且组间差异无统计学意义（ACE2：p=0.4911；TMPRSS2：p=0.1653）。

CD15、CD45和ACE2在COVID-19患者血液中差异表达

通过流式细胞术分析166个成功处理的样本发现，CD15在重症患者中表达显著降低（平均MedFI±SD：9.216±6.130 vs. 5.233±2.168；p<0.0001）。CD45在重症组中轻微升高（1.289±0.399 vs. 1.442±0.367；p=0.0137），而ACE2表达在重症患者中显著降低（1.289±0.350 vs. 0.854±0.138；p<0.0001）。TMPRSS2表达则无显著组间差异。

ACE2 mRNA水平与蛋白表达呈正相关

研究人员进一步探讨了ACE2 mRNA与蛋白表达的相关性。混合效应线性回归模型显示，ACE2 MedFI每增加1个单位，qPCR值平均增加0.47（t=3.046）。加入性别变量后，ACE2 MedFI的估计值变化小于10%，但关联显著性增强（t=4.603），且发现男性ACE2值显著低于女性。

CD15和ACE2血液低表达与重症疾病相关

单变量分析显示，CD15和ACE2是COVID-19重症的显著预测因子，两者与疾病严重程度呈负相关（p<0.05）。年龄也是显著预测因子，与重症呈正相关（p<0.001）。TMPRSS2虽显示较大效应值，但因变异性高未达到统计显著性。

包含年龄、CD15和ACE2表达的模型有效识别重症患者

研究人员构建了包含年龄、CD15和ACE2的多变量预测模型。嵌套模型比较显示，添加其他变量未能显著改善模型性能。最终模型的ROC曲线分析显示AUC为0.91（95% CI:0.87-0.96），特异性92.9%，敏感性79.3%，表现出优异的区分能力。

研究结论与讨论部分强调，该研究首次将CD15、ACE2和年龄整合为一个高效的COVID-19严重程度预测模型。年龄作为最强预测因子，反映了免疫衰老（immunosenescence）在COVID-19病理中的重要作用。CD15的低表达表明重症患者中性粒细胞迁移功能受损，可能导致免疫应答不足和病毒清除不畅。ACE2在血液中的低表达不仅影响病毒侵入，还可能通过削弱ACE2/Ang1-7轴的反炎症作用，促进炎症风暴和血栓形成。

该研究的临床意义在于提供了两个易于检测的血液生物标志物（CD15和ACE2），结合年龄因素，可在早期有效识别高风险患者，为个性化治疗和医疗资源优化分配提供科学依据。虽然研究存在样本来源单一（西班牙人群）、治疗异质性等限制，但提出的预测模型为COVID-19及其他呼吸道感染的临床管理提供了新思路，未来在更大规模、多族群队列中的验证将进一步增强其普适性和临床应用价值。