Транскрипционные сигнатуры предсказывают тяжесть протекания инфекций

Изменения транскрипционного профиля множества клеток — один из самых ранних ответов на инфекцию. Ученые из Техасского университета с помощью машинного обучения выявили транскрипционные сигнатуры, которые позволяют прогнозировать переход туберкулеза из латентной стадии в активностью, а также тяжесть протекания COVID-19 и гриппа, вызванного вирусом подтипа A H1N1.

Credit:

conceptcafe | 123rf.com

Американские ученые с помощью машинного обучения выявили ключевые гены, которые они назвали «трансферными сигнатурами»: изменения в их транскрипции позволяют прогнозировать тяжесть протекания ряда инфекционных заболеваний.

Авторы исследования проанализировали литературные данные и выявили 148 генов, для которых показана связь уровня их транскрипции с тяжестью протекания инфекций, таких как лихорадка денге, различные виды гриппа, SARS-CoV-1, SARS-CoV-2, MERS-CoV, корь, инфекция, вызванная респираторным синцитиальным вирусом. Кроме того, в исследования были включены трансферные сигнатуры, связанные с иммунным ответом на вакцины от гепатита B, туберкулеза, вируса иммунодефицита обезьян, а также с переходом туберкулеза из латентной стадии в активную. Все данные были получены из результатов РНК-секвенирования, а не анализа на микрочипах.

Взятые из других работ трансферные сигнатуры могут быть действительно связаны с тяжестью инфекции, а могут быть и не связаны. Для полноценного обучения и тестирования использовались сырые данные из девяти других исследований. Важно отметить, что в анализ были включены данные не только для человека, но и для макаки резус и макак-крабоедов. Данные по каждой инфекции были исследованы отдельно.

В результате авторы работы получили сведения об основных изменениях транскрипции, которые происходят при инфекции или вакцинировании. Например, эффективность вакцинирования макак-резусов от туберкулеза определялась генами, связанными с ответом интерферона γ, метаболизмом жирных кислот, ответом на ультрафиолет, метаболизмом желчных кислот, сигнальным путем KRAS и гликолизом.

Для демонстрации предсказательной силы алгоритма авторы использовали данные исследования, в котором участвовали люди с латентной формой туберкулеза. У 30 из них в течение года был диагностирован туберкулез в активной форме; у 109 человек активный туберкулез не развивался. На основании трансферных сигнатур, полученных на макаках резусах, модель предсказала развитие туберкулеза для 67 участников исследования, из них для 22 (32,8%) предсказание было верным.

Эффективность предсказания выраженности инфекции ученые показали на нескольких инфекциях, в частности, COVID-19. Авторы воспользовались результатами исследования, в котором участвовали 6 пациентов с тяжелой формой COVID-19, 3 пациента с COVID-19 умеренной тяжести и 3 здоровых пациента. Две последние группы рассматривались как контроль. Образцы РНК у пациентов брали в интервале от 4 до 10 дней после выявления COVID-19. На этот раз исследователи воспользовались трансферными сигнатурами, которые они получили, анализируя тяжесть лихорадки денге у детей. В результате все шесть случаев тяжелой формы COVID-19 были выявлены алгоритмом корректно.

Таким образом, подход, разработанный авторами, позволяет выявлять трансферные сигнатуры, по которым можно судить о тяжести различных инфекций, а также использовать данные, полученные на одном биологическом виде (макака резус) для другого (человек).

Источник

Julia di Iulio et al. // Transfer transcriptomic signatures for infectious diseases. // PNAS, 2021, 118 (22), e2022486118, DOI: 10.1073/pnas.2022486118

Добавить в избранное

Мы используем файлы cookie для улучшения работы сайта. Узнать больше.

Настройки файлов cookie

Мы используем файлы cookie для улучшения работы сайта, анализа трафика и показа персонализированной рекламы. Вы можете изменить настройки в любой момент.

Категории файлов cookie:

Необходимые

Эти cookie обеспечивают базовую функциональность сайта — вход в аккаунт, безопасность, оформление заказов. Отключение невозможно.

Функциональные

Функциональные cookie используются для обеспечения работы отдельных функций сайта, а также для запоминания ряда пользовательских предпочтений (например, выбранный язык, товары в корзине), с целью улучшения качества предоставляемого сервиса.

Отключение этого типа файлов cookie может привести к тому, что некоторые сервисы или функции сайта станут недоступны или будут работать некорректно. В результате, вам может потребоваться повторно вводить определённую информацию или настраивать предпочтения при каждом посещении сайта вручную.

Аналитические

Аналитические файлы cookie, включая сторонние аналитические cookie, помогают нам понять, как вы взаимодействуете с нашим сайтом. Эти файлы не собирают информацию, позволяющую установить вашу личность. Все данные обрабатываются в агрегированной и анонимной форме.

Рекламные

Рекламные cookie, включая сторонние, используются для создания пользовательских профилей и показа рекламы, соответствующей вашим интересам и предпочтениям при просмотре сайтов.

Эти cookie позволяют персонализировать рекламные сообщения, которые вы видите, делая их более релевантными. Они также могут использоваться для ограничения количества показов одной и той же рекламы и для оценки эффективности рекламных кампаний.