由SARS-CoV-2引起的新冠肺炎大流行給全世界帶來沉重的健康和經濟負擔，同時也開啟了對控制疾病傳播措施的討論，如社會距離和人口篩查。患者的篩查和風險管理對政府和當局如何引導資源、規劃重新開放以及衛生對策發揮著根本性作用，現有的篩查方法主要有：抗原或RT-PCR檢測、血清學檢測、以及RT-PCR和胸部CT相結合檢測等。盡管標準程序的基礎已經確立，但對于現實檢測的敏感性和特異性、與程序相關的時間和成本、試劑和培訓人員可用性以及測試窗口的擔憂也越來越多。新冠肺炎的復雜性導致了對SARS-CoV-2的準確診斷和患者風險分類的困難，用于患者風險分層和管理的醫療決策工具的開發與新冠肺炎檢測的緊迫性是一致的。

2021年2月巴西坎皮納斯大學Rodrigo Ramos Catharino教授和Anderson Rezende Rocha教授共同在Anal Chem雜志上發表題目為《Covid-19 Automated Diagnosis and Risk Assessment through Metabolomics and Machine Learning》的研究成果，利用機器學習算法與基于質譜的代謝組相結合，分析了815名患者(442名新冠肺炎患者，350名對照患者和23名新冠肺炎可疑患者)的血漿樣本，引入一種新的新冠肺炎篩查方法，通過代謝物提供感染的間接檢測，并將發現與疾病的病理生理學聯系起來，創建了可在幾分鐘內識別新冠肺炎血漿樣本、同時提供風險評估的工具，為醫療人員進行患者管理和決策提供幫助。

【研究材料】 人-血漿樣本

【技術方法】 非靶代謝組學+機器學習算法

【實驗方法】
?? 步驟1：新冠肺炎MS-ML平臺測試：建模與性能評估；
?? 步驟2：利用非靶代謝組數據構建COVID-19診斷Panel；
?? 步驟3：候選生物標志物病理生理學作用。

【研究結果】
1. 新冠肺炎MS-ML平臺測試：建模與性能
首先研究人員利用代謝組數據與機器學習算法（MS-ML）構建了用于診斷和風險評估的預測模型(盲法測試)，下表展示了隊列的分組情況和使用成對特征的預測模型（自動診斷（M1），風險評估（M2）和低風險判別（M3））的判定結果。用梯度樹增強（GDB）算法進行COVID-19自動診斷可獲得最佳的診斷效果，其特異性為96.0％，靈敏度為83.1％。ADA Boosting算法，以80.3％的特異性和85.4％的敏感性，成為最佳的風險評估模型。為了評估模型的特異性和敏感性，研究人員將中度和輕度癥狀患者與非感染對照組(M3)進行ADA Boosting分析，獲得92.9%的特異度和91.3%的敏感度。

2. 利用非靶代謝組數據構建COVID-19診斷Panel
通過ML篩選出19個分子用于新冠肺炎診斷(M1)，26個分子用于風險評估(M2) ， 24個分子用于低風險判別（M3）。總結發現，SARS-CoV-2感染者和非感染者的主要區別是：溶血磷脂酰膽堿(LysoPC)、膽固醇和不飽和脂肪酸減少，而三酰甘油(TG)、二酰甘油(DG)和嘌呤增加；與輕、中度癥狀的患者相比，重癥患者某些溶血磷脂酰膽堿(LysoPC)、磷脂酰膽堿(PC)、磷脂酰膽堿衍生的縮醛磷脂、膽固醇、甘油三酯(TG)、鞘磷脂(SM)和N-酰乙醇胺的含量相對減少，脫氧鳥苷/腺苷、N-硬脂酰纈氨酸和甾醇脂質衍生物增加；輕癥患者與新冠肺炎陰性患者相比，4種甘油磷脂和2種甘油磷脂是上調的，二十碳三烯酸、3個甾醇類脂代謝物則下調。

3. 候選生物標志物病理生理學作用
研究人員認為：①氧鳥苷是嘌呤代謝的產物，在病毒ssRNA存在的情況下，可增強TLR7信號，誘導巨噬細胞分泌細胞因子，因此需進一步研究脫氧鳥苷在SARS-CoV-2免疫過度激活中的潛在作用；②本研究中發現的與輕度病例相關的亞油酰甘氨酸和N-?；掖及?C20：1和C22：0)通過促進抗炎作用來調節免疫反應；③主要的脂質發現表明甘油磷脂代謝的重塑；④新冠肺炎的病理生理似乎破壞了膽固醇的穩態，在新冠肺炎陽性的患者中膽固醇和膽固醇酯(CE(16：0))降低。

候選生物標志物在COVID-19病理生理學中的作用

【小編小結】
本研究采用質譜-機器學習方法對SARSCoV-2標本進行非靶向分析，基于光譜圖進行診斷或生物標志物評估及其對COVID-19患者嚴重程度的意義；引入成對m/z分析，可直接從原始數據提供診斷，是非靶向代謝組學應用的重要進展。本研究建立的MS-ML平臺定性結果可靠，其特異性為96.0%，靈敏度為83.1%(盲法測試)，與現有的血清學和RT-PCR方法相比性能相似甚至更好?？傮w而言，本研究提出了COVID-19篩查的替代方案，并通過風險分類為公共衛生工作提供指導。