繼周強實驗室之後，西湖大學生命科學學院PI（研究員）郭天南帶領的蛋白質組大數據實驗室，近日在新冠病毒研究方面又有重要發現。他們和合作團隊一起對新冠肺炎患者血液中的蛋白質和代謝物分子進行系統檢測，發現重症患者的血清中存在多種獨特的分子變化，並找到了一系列生物標誌物，有望為預測輕症患者向重症發展提供導向。相關研究成果，已於北京時間4月8日0時15分，在預印版平台medRxiv上線。

新冠肺炎疫情已在全球範圍內迅速蔓延，感染人數超過百萬。然而，我們只看到臨床症狀和影像學特徵，對疾病在微觀分子層面的改變知之甚少。我們至今仍不清楚新冠病毒感染對患者有什麼影響，也不太清楚在臨床治療中，為什麼有些輕症患者會在短時間內迅速演變為重症。

郭天南團隊與臨床、代謝組研究團隊合作，對99份病毒滅活處理的血清樣本進行了安全處理和質譜分析。根據現行臨床診斷標準，這些血樣被分為對照（健康）組、疑似但實為普通流感組、新冠感染輕症組、新冠感染重症組。團隊成員運用高分辨率質譜設備取得了樣本的蛋白質組和代謝組譜圖，對血清樣本中的蛋白和代謝物的相對濃度進行了全景式的測定，從而揭示了重症患者體內多種獨特的分子調控。

實驗設計及流程

與對照（健康）組、普通流感組和輕症組相比，新冠肺炎重症患者的樣本中出現了93種特有的蛋白表達和204個特徵性改變的代謝分子。其中50種蛋白，與患者體內的巨噬細胞、補體系統、血小板脫顆粒有關。研究團隊還發現，在新冠病毒感染的重症患者體內，有100多種氨基酸及100多種脂質均出現顯著減少。這可能是病毒迅速擴增導致的消耗，為臨床醫生監控病情和製定調整治療方案提供了一定的參考。

COVID-19感染後根據組學數據推測的重症患者體內的巨噬細胞、血小板、補體系統的作用通路圖。這些蛋白質和代謝物有望成為提前診斷重症患者的生物標記物和治療的靶點。

此外，郭天南團隊在質譜分析數據的基礎上，使用機器學習方法進一步“沙裡淘金”，篩選出重症患者特徵性的22個蛋白質和7個代謝物。血清樣本成分符合這一組合的患者，很可能是重症患者，或有很大可能性發展為重症病例。這一發現有望用於重症患者的預測，促進醫療資源的合理調配，並為重症患者的藥物選擇提供一定指導。當然，該結果還需要在更多的獨立臨床隊列中驗證。

蛋白質表達是臨床診斷的重要依據，疾病治療的效果也取決於蛋白質機器的調控。郭天南團隊和合作團隊一起從今年2月底啟動研究，他們採用新的質譜檢測技術和機器學習的方法，短時間內整合蛋白質組、臨床、生物、代謝組、計算等多學科數據，反复篩選、分析、比對、驗證，率先完成了COVID-19輕重症患者的血清蛋白質組與代謝組分析，為新冠重症患者血清中發生的、獨特的、目前尚不明確的分子病理改變提供了一個全景式的描述。

蛋白質組大數據實驗室

下一步，該實驗室將繼續使用多學科交叉與蛋白質組技術對新冠病毒感染進行深入研究，以期獲得更多有助於理解病情發展規律的發現，輔助已有的檢測、診斷手段，實現更精準、高效的治療。

本項研究得到溫州醫科大學附屬浙江省台州醫院和迪安診斷凱萊譜代謝組學實驗室的大力支持。騰訊基金會亦對本項目進行了資助。