基于大型巴西混血队列全外显子测序解析重型COVID-19宿主基因组通路景观

《Journal of Medical Virology》：Deciphering Host Genomic Pathway Landscapes in Severe COVID-19 by Exome Sequencing of a Large Admixed Brazilian Cohort

导致2019冠状病毒病（coronavirus disease 2019, COVID-19）临床结局异质性的宿主遗传因素仍知之甚少，尤其是在全球基因组研究中代表性不足的混血人群中。本研究利用2020—2023年招募的325名巴西个体的全外显子测序（whole-exome sequencing, WES）数据，研究与COVID-19严重程度相关的遗传景观。为优先筛选与疾病严重程度相关的变异，研究人员应用了结合支持向量机–递归特征消除（Support Vector Machine–Recursive Feature Elimination, SVM-RFE）和SHAP（SHapley Additive exPlanations）解释的机器学习框架。该方法涵盖25个变异，这些变异有助于模型在研究人员队列中区分重型与非重型病例（曲线下面积（area under the curve, AUC）=0.94）。随后，经年龄、性别、祖源主成分和显著合并症调整的逻辑回归（logistic regression, LR）分析，在多重检验校正后（错误发现率（false discovery rate, FDR）<0.05）确认了多个与严重程度相关的位点。被优先筛选的基因被归入生物学轴，包括线粒体生物能量学、神经免疫信号传导、补体激活和上皮结构完整性。MUC16、SLC4A2、LAPS1、ARRDC2和CCSER1等基因中的变异显示与疾病严重程度相关。此外，使用CADD（Combined Annotation-Depletion Dependent Framework）进行功能注释以及使用GTEx（Genotype-Tissue Expression）进行调控探索提示，若干位点可能影响肺、免疫和神经组织中的基因调控。研究人员的发现并非指向单个因果变异，而是强调可能促成宿主对COVID-19反应变异的通路水平遗传架构。这些发现为混血环境中可能与疾病变异相关的潜在宿主遗传通路提供了探索性见解。然而，仍需在独立队列中重复验证并进行功能验证。

研究背景与问题：宿主遗传因素可能影响严重急性呼吸综合征冠状病毒2（severe acute respiratory syndrome coronavirus 2, SARS-CoV-2）感染后的临床结局，但导致2019冠状病毒病（coronavirus disease 2019, COVID-19）异质性的宿主遗传基础仍不清楚，尤其在混血人群中研究不足。既往全外显子测序（whole-exome sequencing, WES）和全基因组关联研究（genome-wide association study, GWAS）关注ACE2、TMPRSS2、SLC6A20、HLA系统及TLR7、TLR3、IRAK1、OAS1-3等 innate immunity 相关基因，但全球遗传研究仍偏重欧洲和东亚人群，巴西混血队列等代表性不足。因此，研究人员在巴西混血队列中开展探索性宿主遗传通路研究。

研究开展、结论与意义：研究人员基于325名巴西个体WES数据，采用支持向量机–递归特征消除（Support Vector Machine–Recursive Feature Elimination, SVM-RFE）联合SHAP（SHapley Additive exPlanations）优先筛选与COVID-19严重程度相关变异，并以逻辑回归（logistic regression, LR）、CADD（Combined Annotation-Depletion Dependent Framework）和GTEx（Genotype-Tissue Expression）进行关联与注释。结果提示多个位点分布于线粒体生物能量学、神经免疫信号、补体激活和上皮结构完整性等生物学轴，强调通路水平遗传架构而非单一因果变异；意义在于为混血环境下的宿主反应变异提供探索性线索，但需独立队列重复和功能验证。

关键技术方法（≤250字）：纳入2020年11月—2023年12月巴西Espírito Santo大Vitória都市区协作机构（含Dr. Jayme Santos Neves State Hospital）325名未接种疫苗、经RT-PCR或抗原检测确诊者；按氧饱和度<90%、呼吸频率>30次/分或需氧疗/机械通气/ICU等分重型。全血DNA建库后由INC行WES；DRAGEN（hg38-altmaskedv3-graph-enabled；Illumina Exome Panel v1.2, CEX）预处理，Nirvana注释；DISCVRSeq与VCFtools质控（MAF≥0.05、Phred≥20、DP≥5、缺失≤10%、对照HWE p>1×10^?5，保留PASS），ADMIXTURE、1000 Genomes-FRAPOSA、EthSEQ和主成分分析（principal component analysis, PCA）分析祖源；SVM-RFE优先筛选、SHAP解释；PLINK v1.9加性LR校正年龄、性别、PCA及显著合并症，Benjamini–Hochberg FDR；CADD v1.6及GTEx v8表达数量性状位点（expression quantitative trait loci, eQTL）/剪接数量性状位点（splicing quantitative trait loci, sQTL）注释。

研究结果：
3.1 社会人口学与临床特征（Sociodemographis and Clinical Characteristics）：卡方检验显示，325名参与者中48.9%为重型；男性、年龄组、教育程度、慢性肺病、慢性心血管病、糖尿病和肥胖与重型显著相关（FDR校正p分别为0.001、<0.001、0.014、0.006、<0.001、<0.001、<0.001），种族、体力活动和吸烟无显著关联。
3.2 变异过滤与基因组景观（Variant Filtering and Genomic Landscape）：测序分析初始识别651,652个位点，PASS占70.3%，MosaicLowAF占26.5%，LowDP占0.24%，未达严格阈值者<0.1%；过滤后保留192,876个变异，以单核苷酸多态性（single nucleotide polymorphism, SNP）为主（97.9%），缺失0.9%、插入0.6%；进一步过滤至约8000个SNP用于分析。
3.3 变异优先筛选与内部分离模式（Variant Prioritization and Internal Separation Pattern）：SVM-RFE联合SHAP显示25个变异贡献于重型与非重型分类（准确率87%、F1分数86%、AUC 94%）；13个呈正向SHAP贡献，12个呈负向贡献，包括LINC01118-rs2289933、TRIM6-rs3751006、ARRDC2-rs7259041、MUC16-rs12462963及SLC4A2-rs2303937、LASP1-rs525989、PTPN5-rs1550870、NPC1-rs1367083等。
3.4 分类器筛选变异的独立逻辑回归验证（Independent Logistic Regression Validation of Classifier-Selected Variants）：经FDR-BH校正，MUC16-rs12462963（OR=2.146，FDR=0.021）、ARRDC2-rs7259041（OR=1.911，FDR=0.042）、CCSER1-rs6843110（OR=1.690，FDR=0.042）与重型风险升高相关；SLC4A2-rs2303937（OR=0.541，FDR=0.037）、LASP1-rs525989（OR=0.524，FDR=0.037）、PTPN5-rs1550870（OR=0.598，FDR=0.047）与风险降低相关。
3.5 使用CADD的计算机功能预测（In Silico Functional Prediction Using CADD）：CADD PHRED评分显示多数变异<10，NRP2-rs849526为34、ITPR1-rs2306875为20.7、ARRDC2-rs7259041为18.15、RAI14-rs1048944为16.40；原文强调这些仅为语境支持，不能解释为直接因果证据。
3.6 使用GTEx v8 eQTL数据的调控注释（Regulatory Annotation Using GTEx v8 eQTL Data）：GTEx v8 eQTL/sQTL分析报道8个位点在一个或多个COVID-19相关组织中显示基因型依赖表达差异，包括PODN-rs1769316（肺）、GAD2-rs2839671（小脑）、COL19A1-rs7762409（小脑）、NPC1-rs1367083（肺、心血管和脑区）、ODAD1-rs8107712（全血和肺）、NRP2-rs849526（肺）；原文指出GTEx反映非感染个体基线调控变异，可能不能捕捉感染特异性调控动态。

讨论部分总结：讨论认为本队列中男性、肥胖、糖尿病及慢性心血管和肺病与重型相关，较低教育程度提示社会健康决定因素，但临床和人口学因素不能完全解释个体间差异。对SVM筛选的25个基因进行探索性通路富集，提示线粒体、神经免疫信号和补体激活等过程；校正年龄、性别、祖源主成分和显著合并症后，部分变异经FDR仍显著。线粒体轴涉及NPC1、TMEM11、SLC4A2、PPARGC1A和SLC23A2，关联脂质稳态、线粒体结构、细胞内pH和抗氧化防御；其中SLC4A2-rs2303937经FDR与重型风险降低相关，TMEM11-rs3744223有中等CADD评分，NPC1-rs1367083在肺和心血管组织有广泛eQTL信号。神经炎症轴涉及ITPR1调节Ca²⁺向线粒体转移、PTPN5调控Raf/MEK/ERK、GAD2与γ-氨基丁酸（gamma-aminobutyric acid, GABA）合成及SCN9A编码的电压门控钠通道Na_V1.7；ITPR1-rs2306875与重型风险降低相关且CADD评分中等，但原文明确不能作直接功能推断。免疫炎症轴涉及TRIM6对Ⅰ型干扰素（type I interferon, IFN-I）信号的调节、RNF222、ARRDC2、C3、COLEC11、PLA2G4D和NRP2；ARRDC2-rs7259041经FDR与重型风险升高相关且有中等CADD评分，TRIM6-rs3751006和NRP2-rs849526在肺及免疫相关组织显示eQTL差异。上皮结构轴涉及MUC16、PODN、SNED1、ODAD1、RAI14、CCSER1、LASP1、COL19A1和LINC01118，MUC16-rs12462963和CCSER1-rs6843110经FDR与严重程度相关，COL19A1-rs7762409、PODN-rs1769316和ODAD1-rs8107712显示eQTL差异。转化意义限于提出通路面板假设，不能推断临床适用性。局限包括全队列监督式特征筛选、性能指标需谨慎解释、2020—2024年跨多个SARS-CoV-2变异波不能排除循环变异对严重程度的影响，以及需独立多样队列和纵向功能验证。

研究结论部分翻译：总之，本研究提供了在混血巴西队列中宿主基因组变异如何影响COVID-19严重程度的广泛而详细的图景。研究人员发现一组分布于相互联系的生物学轴的变异，如线粒体生物能量学、免疫调节、神经免疫信号传导和上皮结构完整性。这些发现通过基于机器学习的优先筛选、经祖源调整的回归建模和计算机功能注释获得。研究人员的提示通路水平相互作用涉及免疫代谢失衡、补体激活、神经元兴奋性和组织重塑，均可能在通路水平上相关。必须认识到这些联系处于形成假设的框架内，因为它们并未确立因果机制。将统计关联与功能预测（CADD）和基线调控证据（GTEx）结合具有生物学意义，但重要的是这些数据集不能用于得出感染特异性分子动力学的结论。当前结果突出重型COVID-19宿主遗传架构的复杂性，也强调需在独立、民族多样的群体中重复验证并进行功能验证研究，以明确被优先筛选位点的作用方式。