基于RNA测序技术解析SARS-CoV-2变异株的宿主互作演化路径及跨变种诊断标志物发现

本研究通过多队列RNA-Seq数据分析，揭示SARS-CoV-2从早期Wuhan株到Omicron的演化规律：早期变异株主要劫持宿主翻译机制（如Eukaryotic Translation Elongation通路），而Beta/Omicron转向免疫调节（如Interferon Alpha/Beta signaling）。团队开发的GLMQL-MAS算法鉴定出37个跨变种核心基因（含IFI27、CDC20等），构建的机器学习模型在独立验证集中达到97.31%准确率，为变异不敏感诊断提供新策略。

　　

新冠病毒SARS-CoV-2的持续变异给全球疫情防控带来严峻挑战。随着Alpha、Beta、Delta到Omicron等变异株的相继出现，病毒在传播力、致病性和免疫逃逸能力等方面展现出显著差异。尽管已有研究对单个变异株的致病机制进行了探索，但缺乏系统性研究揭示病毒演化过程中宿主互作模式的动态变化规律。更关键的是，现有诊断方法往往针对特定变异株设计，当病毒发生重大突变时可能导致检测灵敏度下降。因此，解析不同变异株的跨宿主转录组特征，不仅对理解病毒演化规律具有重要科学价值，更能为开发变异不敏感的精准诊断工具提供理论基础。

美国维克森林大学再生医学研究所Mostafa Rezapour团队联合微生物免疫学系研究人员，在《Scientific Reports》发表了题为《Tracing the evolutionary pathway of SARS-CoV-2 through RNA sequencing analysis》的重要成果。研究团队创新性地整合了来自9个公共数据库的RNA-Seq数据，涵盖Wuhan原始株（住院/非住院）、法国变异株（住院）、Beta株（住院）和Omicron株（轻中度）感染者的白细胞、全血或PBMCs样本，同时纳入健康对照。通过开发GLMQL-MAS（广义线性模型-准似然F检验结合幅度高度评分）分析框架，系统比较了不同变异株感染后的宿主转录组差异，并采用Cross-MAS算法筛选跨变种核心基因特征。

关键技术方法包括：1）基于GLMQL-MAS的差异表达分析（阈值：BH校正p<0.05且|LogFC|≥1）；2）基因本体(GO)和Reactome通路富集分析；3）Cross-MAS算法筛选跨变种核心基因；4）主成分分析(PCA)降维后构建逻辑回归和线性SVM分类模型。验证队列包含6个独立数据集，涉及PBMCs、全血、鼻咽淋巴组织及体外刺激的树突细胞。

研究结果首先揭示了变异株特异性转录特征：

1. 早期变异株（Wuhan/法国株）显著激活核分裂（nuclear division）和染色体分离（chromosome segregation）等细胞周期相关通路，同时强烈诱导病毒mRNA翻译（Viral mRNA Translation）通路，表明病毒通过劫持宿主翻译机器实现快速复制。
2. Beta变异株呈现独特的免疫特征，包括"防御反应病毒（defense response to virus）"和中性粒细胞脱颗粒（Neutrophil degranulation）通路激活，提示其免疫逃逸策略的转变。
3. Omicron株则显著富集于干扰素α/β信号（Interferon alpha/beta signaling）和细胞因子信号（Cytokine Signaling）通路，但整体基因扰动程度最轻，与其临床温和表型一致。

通过Cross-MAS分析鉴定出37个跨变种核心基因（30个上调如IFI27、CDC20、RRM2；7个下调如RPL3、KLRB1）。这些基因主要参与有丝分裂细胞周期（mitotic cell cycle process）和免疫调节过程。基于前5个主成分构建的分类模型在训练集（n=4）达到96%准确率，在血液来源的独立验证集（n=4）保持97.31%准确率（precision=0.97，recall=0.99）。值得注意的是，该特征在Delta/Omicron刺激的树突细胞（GSE294888）和Omicron感染鼻咽组织（GSE239595）中实现100%准确分类，展现出色的组织泛化能力。

该研究首次系统描绘了SARS-CoV-2变异株的宿主互作演化轨迹：从早期株的"翻译机器劫持者"逐渐演变为"免疫调节专家"。发现的37基因特征突破性地解决了变异株导致的诊断偏移问题，IFI27等核心基因可作为变异不敏感的诊断标志物。研究方法上，GLMQL-MAS框架为多队列转录组整合分析提供了新范式。这些发现不仅深化了对病毒演化的认知，更为开发适应病毒变异的诊断系统和靶向治疗策略奠定了分子基础。未来研究可进一步验证这些标志物在更大规模前瞻性队列中的临床应用价值。