基于机器学习血浆蛋白质组学解析Post-COVID sequelae（PCS）症状特异性分子谱、症状聚类及多模态关联

《Molecular & Cellular Proteomics》：Proteomic Profiling of Post-COVID -19 Sequelae

Post-COVID后遗症（Post-COVID sequelae, PCS）的出现构成了全球性挑战。然而，对其生物学机制的理解以及可量化风险因素的定义仍然有限。本研究采用基于机器学习的分类（machine learning-based classification）方法，探索蛋白质组学（proteomics）在识别与个体Post-COVID症状及其作为PCS的集体表现之间关联的潜力。该分析利用了在495例COVID-19（coronavirus disease 2019, COVID-19）患者中测定的约2900种蛋白质的panel。研究识别出235种独特蛋白质与21种所评估的Post-COVID症状中的15种相关。由相似蛋白质谱更紧密关联的症状在患者中倾向于更频繁地共现。研究识别出6个具有特征性分子通路（molecular pathway）关联的症状簇（symptom cluster），其中代谢（metabolic）和炎症（inflammatory）通路在多个簇中显著涉及。通过客观、可量化的临床测试，包括认知（cognitive）和躯体（somatic）评估，进一步探索了特定蛋白质谱对Post-COVID症状的相关性，为其生物学相关性提供了支持性证据。来自多种模态（modality）的数据，包括既往疾病、疾病风险因素和遗传易感性（genetic susceptibility），揭示了可能促成PCS异质性（heterogeneity）的相关关系。这项工作阐明了Post-COVID症状复杂且多面的性质。它强调需要系统性和更特异性的方法，以促进识别未来治疗研究的潜在通路。

论文主体内容解读：该研究围绕Post-COVID后遗症（Post-COVID sequelae, PCS）的蛋白质组学特征展开。研究背景显示，在持续存在的全球SARS-CoV-₂感染背景下，PCS影响30%至50%的COVID-19幸存者，症状范围从疲劳到严重神经系统障碍。世界卫生组织将PCS定义为SARS-CoV-₂感染后超过三个月出现的新发或持续症状，且无其他解释。PCS风险与年龄、性别、既往疾病和住院史相关，推测机制包括病毒持续、高凝状态、免疫失调、自身免疫、高炎症、肾素-血管紧张素系统失衡和氧化应激。蛋白质组学已用于SARS-CoV-₂研究，但现有研究多将Post-COVID视为整体表型，较少解析症状特异性分子签名，且常依赖有限蛋白panel，很少整合客观临床指标、既往疾病或遗传易感性。因此，研究人员开展本研究，旨在应用基于机器学习的蛋白质组建模，在前瞻性人群队列中解析个体症状域，评估判别性能、共享生物学通路及其与共病和遗传易感性的关联。

在关键技术方法方面，研究人员整合了Gutenberg COVID-19 Study（GCS）、Gutenberg Post COVID Study（GPC）和Gutenberg Health Study（GHS）三个前瞻性人群队列。GCS提供感染后蛋白质组和Post-COVID症状数据，GPC提供客观医学技术检查所得的深层（亚）临床表型，GHS提供大流行前基线、共病、心血管风险因素和全基因组遗传数据。使用EDTA血浆样本，采用Olink Proximity Extension Assay（PEA）技术，覆盖8个384-plex panel，相对定量2,945种独特蛋白质，以Normalized Protein eXpression（NPX）单位表示。分析采用Least Absolute Shrinkage and Selection Operator（LASSO）惩罚逻辑回归、留一交叉验证（LOOCV）、复合蛋白质评分、受试者工作特征曲线下面积（AUC）、5折嵌套交叉验证（NCV）、Pearson相关、年龄和性别调整线性回归、多基因风险评分（PRS）及Metascape通路富集分析。

结果部分按原文小标题总结如下。

样本特征（Sample characteristics）：研究队列包括495名SARS-CoV-₂幸存者，平均年龄53.2 ± 15.8岁，女性占47.9%。动脉高血压是最常见心血管风险因素（43.8%），2型糖尿病和当前吸烟频率较低。既往心血管疾病是最主要合并症（12.7%），慢性肝病和心房颤动分别见于2.0%和2.2%的参与者。

Post-COVID症状与机器学习衍生蛋白质签名（Symptoms of Post-COVID and machine learning-derived protein signatures）：参与者报告61种症状，排除少于10例的症状后，21种进入分析。疲劳患病率最高（11.7%；N=58），动作缓慢（2.0%；N=10）和抑郁（2.2%；N=11）较低。质量控制排除了2,945种蛋白质中的46种，剩余2,899种；其中235种独特蛋白质与15种Post-COVID症状相关。忽略症状特异性的全局Post-COVID模型判别能力有限（LOOCV AUC = 0.62），症状特异性模型中胸痛判别最高（AUC = 0.84），焦虑最低（AUC = 0.51）。平衡问题、咳嗽、关节痛、肌肉痛、头痛和睡眠障碍6种症状未能达到充分判别。嵌套交叉验证所得无偏AUC范围为0.52至0.74，脱发（AUC = 0.74）和胸痛（AUC = 0.71）相对较高。特征选择稳定性显示，平均超过50%的主要分析蛋白质预测因子在至少60%的独立外折中被恢复。蛋白质模型在15项比较中的11项（73.3%）优于仅含年龄和性别的基线模型，部分症状ΔAUC > 0.10。主成分分析未显示按性别聚类的明显分离。气短签名最大，包含51种蛋白质；注意力问题包含5种蛋白质（PRKAG3、KHK、CHP1、CDC25A、ANXA1），焦虑包含3种蛋白质（IL1A、ANXA1、SWAP70）。IL1A是最常检测到的蛋白质，与气短、脱发、抑郁、焦虑和记忆问题5种症状相关。嗅觉和味觉障碍重叠最大，共有11种共同蛋白质。症状签名相关分析显示，动作缓慢与兴趣丧失呈强正相关（r = 0.82），焦虑与心悸呈强正相关（r = 0.75）；嗅觉功能障碍与情绪不稳（r = ?0.21）和注意力缺陷（r = ?0.19）呈负相关；疲劳与动作缓慢（r = 0.57）、注意力与记忆障碍（r = 0.53）、嗅觉与味觉障碍（r = 0.52）呈正相关。症状共现与蛋白质评分相关呈中等正相关（r = 0.36）。

Post-COVID相关症状的推定病理机制（Putative pathomechanisms underlying Post-COVID related symptoms）：基于蛋白质签名相关性的层次聚类识别出6个症状簇。簇1为疲劳/疲倦、气短、兴趣或愉悦丧失、动作缓慢；簇2为焦虑、心悸；簇3为脱发、记忆问题、情绪波动、注意力问题；簇4为嗅觉功能障碍、味觉障碍；簇5为睡眠障碍、抑郁；簇6为胸痛。通路富集分析识别出59条分子通路。簇1通路主要富集代谢过程（如脂肪酸代谢）和细胞信号（如ATM signaling），包含20条通路；簇2集中于细胞应激反应；簇4显示代谢通路富集；簇3涉及免疫炎症反应和细胞信号；簇6独特地与胞吐正调控相关。跨簇通路重叠包括温度刺激反应（簇1、2、3）、碳水化合物衍生物分解代谢（簇1、4）和创伤反应（簇2、3）。

症状特异性蛋白质评分与客观临床测量之间的关联（Associations between symptom-specific protein scores and objective clinical measures）：情绪波动蛋白质签名与九项患者健康问卷（PHQ-9）正相关；睡眠障碍签名与Jenkins睡眠量表（JSS）正相关；记忆问题和注意力问题的高蛋白质评分与较低Montreal Cognitive Assessment（MoCA）评分相关（β = ?0.11和β ≈ ?0.10）；嗅觉和味觉障碍蛋白质谱与客观12项嗅觉识别测试表现相关，评分越高反映感觉功能越差；气短签名与肺活量（VC）或第一秒用力呼气容积（FEV₁）等肺功能测量之间未发现临床相关关系。

患者临床特征和遗传易感性与Post-COVID症状的关系（Relation of patient clinical profiles and genetic susceptibility on Post-COVID symptoms）：探索性分析显示，肥胖与脱发签名呈负相关（β = ?0.28，95%CI [?0.54; ?0.03]）。睡眠障碍签名与冠状动脉疾病（CAD）、外周动脉疾病（PAD）、肺栓塞史、充血性心力衰竭（CHF）和心房颤动（AF）等多种共病呈负相关，其中CHF效应量最大（β = 1.38，95%CI [0.34; 2.43]）。焦虑、记忆障碍、心悸、嗅觉障碍、胸痛、兴趣丧失和动作缓慢签名分别与单一共病相关，原文列出静脉血栓栓塞史、CAD、AF、卒中史和慢性阻塞性肺疾病（COPD）等。AF与气短签名呈正相关（β = 1.48，95%CI [0.64; 1.82]）。心血管性状多基因风险评分（PRS）与若干Post-COVID蛋白质签名相关，包括胆固醇风险与兴趣丧失（β = 0.36），高脂血症风险与动作缓慢和记忆问题（β ≈ ?0.2）。PRS构建使用全基因组关联研究衍生效应量，显著性阈值为P < 5×10^?8。

讨论部分总结：症状分辨式蛋白质组学识别出特定但部分重叠的分子谱，表明Post-COVID反映多种生物学过程而非单一均匀病理。蛋白质签名与客观临床指标之间的一致性提供了初步证据，提示这些分子谱可能与可测量临床特征相关，但这些发现仍属探索性。与共病和遗传风险的关联进一步表明，其与症状相关蛋白质评分变异有关。症状特异性模型在本数据集中优于全局模型，提示症状分辨分析可能比将病症视为单一实体提供更细粒度生物学洞察。既往蛋白质组研究记录了Post-COVID持续分子扰动，本研究在更大队列中应用症状分辨方法，并系统整合共病、遗传易感性和客观临床评估。炎症和免疫签名跨队列一致性提示这些通路可能与Post-COVID生物学相关。IL1A在多个症状中频繁出现，PON3与疲劳、动作缓慢、抑郁、情绪波动和兴趣丧失相关。多种症状共现，尤其是嗅觉和味觉功能障碍，支持共同化学感觉病理生理学。焦虑与心悸相关，注意力困难、记忆损害与情绪相关。探索性通路富集提示症状相关蛋白质在代谢、信号、细胞应激和免疫调控过程中潜在汇聚。风险因素关联显示吸烟与化学感觉障碍、静脉血栓栓塞与胸痛、心房颤动与心悸等关联。PRS探索性分析提示动脉高血压遗传易感性与注意力问题蛋白质签名相关，胆固醇相关遗传风险与疲劳签名相关。研究优势包括特征明确的人群队列、大流行前基线数据、高维蛋白质组分析以及遗传、临床和客观功能评估的整合。局限包括蛋白质丰度不能反映结构或活性改变；横断面设计限制时间动态和因果推断；与年龄和性别比较仅作为最小参考点；研究在野生型变异流行期间进行，可能限制对后续变异的推广；部分症状样本量有限；观察到的分子扰动可能部分反映潜在共病而非仅PCS。

研究结论翻译：总之，Post-COVID表现呈现症状特异性分子异质性，而非均匀病理。遗传易感性、病史和疾病风险因素在分子水平上塑造症状表现。将后遗症解构为不同的症状簇，且每个簇与特定分子机制相关联，可能有助于为未来机制和治疗研究生成假设。