血浆代谢组学用于H1N1流感肺炎的诊断与预后
本研究纳入42例H1N1肺炎患者、31例年龄性别匹配的ICU通气对照及29例培养阳性细菌性社区获得性肺炎患者,采用1H核磁共振光谱和气质联用分析住院24小时内血浆代谢组。基于正交偏最小二乘判别分析的模型可清晰区分H1N1肺炎与细菌性肺炎及通气对照,并区分H1N1肺炎90天死亡者与存活者。作者认为血浆代谢组学有望作为H1N1肺炎早期诊断和预后工具,但需未来验证研究确认。
要点
- 住院24小时内血浆1H-NMR和GC-MS代谢组学模型可区分H1N1肺炎与培养阳性细菌性社区获得性肺炎。
- 同一时间点血浆代谢组学模型可区分H1N1肺炎与ICU通气非感染对照。
- 基于21例H1N1肺炎训练集(14例存活者 vs 7例死亡者)的模型可区分90天死亡者与存活者。
- 年龄、性别、BMI及合并症经O2PLS分析未影响死亡者与存活者的代谢组学区分。
- 作者认为代谢组学可用于H1N1肺炎早期诊断和预后,但需未来验证研究确认。
适用人群与场景
- 年龄≥18岁的确诊甲型流感病毒(H1N1)肺炎患者,来自加拿大多个中心。
- 年龄和性别匹配的ICU机械通气非感染对照,为择期手术后(如后颅窝或脊柱手术)入住ICU且无感染怀疑者,于ICU入科第1天通气时采集血浆。
- 培养阳性的细菌性社区获得性肺炎患者,来自匹兹堡大学多中心研究,细菌来源包括肺炎链球菌、金黄色葡萄球菌、铜绿假单胞菌和大肠埃希菌。
- 所有H1N1感染患者初始未检测到细菌合并感染。
诊断标准与关键阈值
- H1N1肺炎诊断需具备特定症状、符合非典型肺炎模式的胸部X线以及诊断性聚合酶链反应检测。
- 细菌性社区获得性肺炎依据临床和影像学标准识别。
研究设计与关键结果
- 病例对照研究嵌套于卡尔加里、曼尼托巴和匹兹堡大学三个队列,H1N1肺炎42例、ICU通气对照31例、培养阳性细菌性社区获得性肺炎29例。
- OPLS-DA模型区分H1N1与细菌性社区获得性肺炎:NMR数据R2=0.824、Q2=0.657、P<0.0001;GC-MS数据R2=0.937、Q2=0.879、P<0.0001。
- OPLS-DA模型区分H1N1与ICU通气对照:NMR数据R2=0.889、Q2=0.789、P<0.0001;GC-MS数据R2=0.963、Q2=0.946、P<0.0001。
- H1N1肺炎患者较细菌性社区获得性肺炎和ICU通气对照,血浆二甲胺、β-丙氨酸、甲酸和奎宁酸浓度升高,丙氨酸浓度降低。
- 90天死亡预后训练集21例(14例存活者 vs 7例死亡者,年龄性别匹配2:1),除发热在存活者中更高外,人口学变量无统计学显著差异(P<0.05)。
- 区分H1N1肺炎90天死亡者与存活者的OPLS-DA模型:NMR数据27种代谢物,R2Y=0.831、Q2Y=0.597、P=0.004;GC-MS数据63个特征(32个已知、31个未知),R2Y=0.909、Q2Y=0.829、P=0.0001。
- O2PLS分析显示年龄、性别、BMI及合并症未影响死亡者与存活者的代谢组学区分。
- 验证模型使用未参与前次预测集的21例存活者和2例随机选择的死亡者,误分类测试显示敏感度100%和特异度100%。
证据类型、等级与局限
- 证据类型:病例对照研究,嵌套于三个队列。
- 局限:单时间点采样是潜在局限,仅能通过系列时间点检查克服。
- 局限:样本量相对较小,且无前瞻性验证。
- 局限:验证以病例对照形式进行,而非使用独立的前瞻性样本采集。
- 局限:NMR组分缺乏敏感性但可定量且特异;GC-MS组分更敏感但定量能力和特异性受现有GC-MS库限制。
对床旁实践的改变
- 作者认为血浆代谢组学可作为H1N1肺炎的进一步诊断检测,前提是未来验证研究确认其发现。
- 作者推测代谢组学研究可作为预测工具,用于及时给予抗病毒治疗和其他支持治疗,可能改善结局。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译18 节 · 点击展开
背景
H1N1流感感染是主要的健康负担,可能危及生命,尤其是在老年人和合并疾病患者中[1, 2]。在成人中,流感仍然是社区获得性肺炎(CAP)的主要病毒性病因,且死亡率相对较高[3, 4]。成人流感肺炎在重症监护病房(ICU)中的病死率可高达30%。在美国,约5%至9%的流感患者需要住院,加拿大为11%。此外,13%至45.3%的流感肺炎住院患者被收入ICU[5]。值得注意的是,2009年4月12日至2010年4月10日期间,美国约有6080万例H1N1病例(范围4330万至8930万),导致274,304例住院(范围195,086至402,719)和12,469例死亡(范围8868至18,306)[6]。
早期识别H1N1流感肺炎患者可通过促进抗病毒药物的早期给药,在疾病管理中发挥关键作用。H1N1流感肺炎治疗延迟与ICU入住率增加和死亡率升高相关[7]。
生物标志物可能有助于早期诊断和预后判断,以及帮助确定治疗反应和对病毒性肺炎 ongoing 病理生理过程产生新认识。识别疾病生物标志物的一种有前景的方法是使用代谢组学分析。代谢组学在各种疾病研究中的应用已迅速发展,为研究人员提供了强大的方法,以获取对疾病病理生理机制的新认识并增强诊断和预后工具[8]。
靶向和非靶向代谢组学方法,如质子核磁共振(1H-NMR)波谱、气相色谱-质谱联用(GC-MS)和液相色谱-质谱联用,可鉴定人体生物体液中的4000多种代谢物[9]。生物体液的1H-NMR和GC-MS分析被广泛用作潜在工具,具有高度可重复的结果用于代谢物鉴定[10]。
使用非靶向1H-NMR和GC-MS方法,我们检验了以下假设:代谢组学分析可应用于入院24小时内采集的血浆样本,以诊断H1N1肺炎患者与细菌性CAP患者及通气ICU对照受试者。此外,我们进一步假设血浆代谢组学可通过使用入院24小时内采集的样本区分H1N1非存活者与存活者,用于死亡预后判断。
方法
研究对象
本研究由曼尼托巴大学从加拿大多个中心纳入42例确诊甲型流感病毒(H1N1)肺炎患者。研究仅纳入年龄≥18岁的患者。
为诊断H1N1,根据年龄和性别与H1N1患者匹配,选择了31名未感染的通气对照ICU患者(表1)。通气ICU对照受试者为在择期手术(如后颅窝或脊柱手术)后入住ICU的患者,前提是无感染怀疑,且在入住ICU第1天这些患者在ICU接受通气时采集血浆。此外,从匹兹堡大学的一项多中心研究中选取了29份细菌性社区获得性肺炎(CAP)患者的培养阳性样本,用于将细菌性肺炎与H1N1病毒患者队列进行诊断比较(表1)。细菌性CAP样本根据先前描述的临床和影像学标准进行鉴定[11]。细菌感染来源包括不同菌种,如肺炎链球菌、金黄色葡萄球菌、铜绿假单胞菌和大肠埃希菌。
在42例H1N1患者中,由7例非存活者和14例存活者组成的21例患者被用于H1N1肺炎死亡预后训练集。表2显示了用于该研究死亡预后部分的训练集的非存活者和存活者的人口学特征。
研究设计
本病例对照研究嵌套于卡尔加里大学、曼尼托巴大学和匹兹堡大学招募的三个队列中。为确定代谢组学是否可用于诊断H1N1肺炎,我们将42例H1N1肺炎患者与31例年龄和性别匹配、需要机械通气的ICU患者进行比较,并将29例H1N1肺炎患者与29例性别匹配的细菌性CAP患者进行比较。为确定代谢组学是否可用于预测42例H1N1患者的死亡,我们在90天时比较了14例存活者和7例年龄和性别匹配的非存活者(比例2:1),作为训练集。共检测了42份患者样本,其中21份患者样本用作死亡研究的“发现”队列。其余21份患者样本用作验证队列;然而,所有这些均为存活者。所有受检的H1N1感染患者最初均未检测到细菌合并感染。
1H-NMR波谱分析及代谢物浓度谱分析
使用600-MHz Bruker Ultrashield Plus NMR波谱仪(Bruker BioSpin Ltd.,Milton,ON,Canada)以一维模式对所有样本进行1H-NMR波谱分析。脉冲序列的详细信息见补充材料的数据采集部分(见附加文件1)。使用Chenomx NMR Suite 7.1软件(Chenomx Inc.,Edmonton,AB,Canada),在profiler模块中采用非靶向谱分析 method 对1H-NMR谱进行代谢物鉴定和定量分析[12]。我们使用4,4-二甲基-4-硅戊烷-1-磺酸作为代谢物定量的内标[13]。
GC-MS
亦使用 Agilent 7890A 色谱仪(Agilent Technologies,Santa Clara,CA,USA)联用 Waters GCT 质谱仪(Waters Corp.,Milford,MA,USA),采用气相色谱-飞行时间质谱技术对所有样本进行了 GC-MS 分析。质谱仪的扫描范围设定为质荷比 50–800。使用 Metabolite Detector 软件(版本 2.06;Institut für Biochemie & Biotechnologie,Technische Universität Carolo-Wilhelmina zu Braunschweig,Braunschweig,Germany)处理和分析质谱图以检测化合物。使用 Golm Metabolome Database [14] 和 National Institute of Standards and Technology 2008 库 [15] 鉴定化合物。样本制备信息请见在线补充材料(见 Additional file 1)。
多变量数据分析
采用无监督多变量主成分分析(PCA)评估从 H1N1 患者(n = 42)与通气 ICU 对照受试者(n = 31)以及 H1N1 患者(n = 29)与细菌培养阳性的 CAP 患者(n = 29)获得的血浆 1H-NMR 代谢物和 GC-MS 特征数据。亦对来自 H1N1 样本训练集(14 例 H1N1 存活者与 7 例按年龄和性别匹配的非存活者)的所有已鉴定血浆 1H-NMR 和 GC-MS 数据,以 PCA 作为探索性模型进行分析。PCA 模型用于识别数据分组和离群值,并检查两种分析技术下两个队列之间的内在差异。每项研究中用于 PCA 分析的定量代谢物/特征数量见 Additional file 2:Table S14。
随后进行正交偏最小二乘判别分析(OPLS-DA),以建立 H1N1 诊断和死亡率的预测模型。OPLS-DA 用于最大化测量变量与响应变量(预测分类)之间的协方差。OPLS-DA 模型的质量使用三项性能指标验证:交叉验证方差分析(CV-ANOVA)、R2Y 和 Q2Y(更多细节见 Additional file 1)。此外,用于描述预测模型的其他参数为敏感性、特异性和 AUROC。使用 H1N1 肺炎死亡率的正交 2 偏最小二乘(O2PLS)建模,检查潜在混杂因素(如年龄、性别、体重指数 [BMI])和合并症(如哮喘、慢性阻塞性肺疾病 [COPD])的重要性。
使用 MetaboAnalyst 软件(http://www.metaboanalyst.ca)对潜在生物标志物进行通路分析。我们还使用 Ingenuity Pathway Analysis(IPA)软件(版本 3.1;Ingenuity Systems Inc.,Qiagen Bioinformatics,Redwood City,CA,USA),利用队列之间显著改变的代谢物发现最重要的生物学网络。显著改变的代谢物通过多变量数据分析获得;OPLS-DA 用于区分两组之间的代谢组学特征。
预测集建模
为了获得灵敏度、特异度和AUROC数据,我们进行了预测检验,为诊断和预后研究中的所有判别分析模型创建误分类表。我们重复该过程三次,以随机创建预测检验并对灵敏度和特异度取平均值。此外,对于死亡率预后研究,预测集通过从OPLS-DA模型中三次随机抽取七个样本(两例非存活者和五例存活者)并从当前活跃模型(工作集)中创建,并对灵敏度、特异度和AUROC取平均值。此外,使用未用于先前预测(检验)集的21例存活者队列和2例随机选择的非存活者测试了另一个预测模型(验证)。误分类检验显示该预测组的灵敏度和特异度均为100%。
单变量数据分析
单变量分析作为多变量统计分析的一种补充方法进行,以增加研究的信息量,并作为一种较简单的方式来理解队列差异。我们使用MetaboAnalyst软件进行单变量分析,并使用Student t检验对每个变量单独进行评估,以确定诊断和预后研究中两组的均值是否存在差异。进行单变量分析时,NMR和GC-MS数据集均经过归一化处理,随后进行对数转换和自动标度化。每个数据集中的重要特征通过t检验以0.05为阈值进行筛选。
结果
基于通气ICU对照人群和培养阳性细菌性CAP患者的H1N1肺炎诊断
为评估血浆代谢组学对H1N1肺炎诊断的价值,使用H1N1肺炎患者、通气ICU对照受试者和培养阳性细菌性CAP患者来探索和建立预测模型,基于29例H1N1肺炎患者对29例性别匹配的培养阳性细菌性CAP患者,以及基于42例H1N1肺炎患者对31例年龄和性别匹配的通气ICU对照受试者(表1)。
诊断队列的代谢组学模式
全部1H-NMR和GC-MS数据集的PCA散点图显示,H1N1队列可与培养阳性细菌性CAP患者(见附加文件2:图S1a和b)及通气ICU对照受试者(见附加文件2:图S2a和b)区分开来。OPLS-DA模型显示H1N1患者的代谢组学特征与培养阳性细菌性CAP患者(图1a和b)及ICU对照受试者(图2a和b)的特征可清晰区分。
表3展示了使用OPLS-DA基于核磁共振(NMR)和气相色谱-质谱(GC-MS)数据集区分血浆H1N1样本与ICU对照受试者及细菌培养阳性CAP样本的预测模型,以及参与组间分离的代谢物数量。Q 2表明H1N1与ICU对照受试者之间血浆代谢谱的分离效果优异,而NMR数据集的预测模型在区分H1N1与细菌培养阳性CAP队列数据方面不如GC-MS数据集。有大量代谢物参与将H1N1患者与细菌培养阳性CAP患者及通气ICU对照受试者区分开来,提示H1N1肺炎可产生与其他两个队列明显不同的疾病特异性代谢谱(表4)。这些数据表明,使用1H-NMR和GC-MS分析平台的血浆代谢组学可作为诊断工具,对H1N1流感肺炎的鉴定具有高预测性、敏感性和特异性。数据表明,与细菌培养阳性CAP患者和通气ICU对照受试者相比,H1N1肺炎伴随一些常见代谢物(氨基酸和酮体)及一些特定代谢物浓度的代谢组学变化。我们还观察到,与细菌性CAP患者和ICU对照受试者样本相比,某些代谢物在H1N1中呈现相似的变化模式。与其他两个队列相比,H1N1肺炎样本显示二甲胺、β-丙氨酸、甲酸盐和奎宁酸浓度升高,丙氨酸浓度降低。总体而言,通过重要代谢物/特征反映的血浆代谢谱显示,H1N1诊断与细菌培养阳性诊断之间以及H1N1诊断与通气ICU对照受试者之间均存在明显差异(表4)。
系数图揭示了基于NMR和GC-MS数据集,在非存活者与存活者之间以及H1N1患者与ICU对照受试者之间浓度降低和升高的代谢物及特征的相对相关性。表5展示了基于系数图和S-图分析的多元数据分析得出的用于诊断和预后的最重要生物学通路。S-图分析用于基于相关OPLS-DA模型鉴定推定生物标志物,以选择具有高强度和高度可靠性的代谢物/特征(见附加文件2:图S6、S8和S10)。
单因素分析代谢谱(诊断研究)
进行单因素分析以显示核磁共振和气相色谱-质谱所获代谢物/特征的平均值、标准差和P值。补充文件2:表S1和S2显示甲型H1N1流感肺炎与细菌培养阳性肺炎样本之间核磁共振(n = 13)和气相色谱-质谱(n = 98)的显著差异代谢物(P < 0.05)。补充文件2:表S3和S4还显示甲型H1N1流感肺炎患者与通气ICU对照受试者之间核磁共振(n = 27)和气相色谱-质谱(n = 57)的显著差异代谢物(P < 0.05)。多变量数据分析显示,基于核磁共振数据,甲型H1N1流感肺炎队列与另外两个队列之间有更多代谢物发生显著变化,但气相色谱-质谱结果未显示多变量与单变量数据分析之间在代谢物数量上有较大差异。尽管多变量和单变量方法揭示了大量重叠的代谢物/特征,但我们发现,在甲型H1N1流感诊断中,多变量和单变量方法在更显著代谢物/特征方面呈现出不同的模式(图3和图4)。
H1N1死亡预后
对于90天死亡率的预后,基于训练集构建了预测模型。除发热的存在外(幸存者队列中更高),幸存者与非幸存者队列之间在测试的人口学变量上无统计学显著差异(P < 0.05)(见附加文件2:表S15)。
预后队列的代谢组学模式
基于第一和第二主成分的整个1H-NMR数据集的PCA得分图显示,90天非幸存者组可与幸存者组区分;即存在数据聚类)(见附加文件2:图S3a)。GC-MS检测特征的主成分分析得分图显示H1N1非幸存者和幸存者具有相似的分离聚类(见附加文件2:图S3b)。
一旦揭示数据聚类,我们使用监督式OPLS-DA对代谢组学谱数据进行分析以建模。在NMR数据中(图5a),27种不同代谢物被用作潜在变量(代谢物)以分离非幸存者与幸存者,R2Y = 0.831,Q2Y = 0.597,表明在H1N1死亡率的血浆代谢组学水平上两个队列之间分离良好(表3)。我们使用基于投影变量重要性≥1的统计方法,使用SIMCA-P 13.0版(Umetrics AB,瑞典于默奥)确定最佳预测模型的分析物数量[16]。
如图5b所示,GC-MS OPLS-DA模型显示幸存者和非幸存者队列的样本基于63个特征(32个已知和31个未知)良好分离。模型特征在数值上显著,R2Y = 0.909,Q2Y = 0.829,表明模型优秀。为评估NMR和GC-MS数据OPLS-DA模型的可靠性,进行了CV-ANOVA。NMR和GC-MS模型的P值分别为0.004和0.0001。
使用O2PLS判别分析[17],我们测试了混杂因素在非幸存者与幸存者分离中的作用,包括患者特征和合并症,但这些并未影响观察到的对NMR和GC-MS分析死亡预后的判别。这表明幸存者组与非幸存者组之间的区分基于疾病代谢物变化,而非本研究中年龄、性别和BMI的作用(见附加文件2:图S4a–c)。鉴于这些结果,可以得出结论:基于住院24小时内采集的样本,1H-NMR和GC-MS是应用代谢组学方法预测H1N1流感肺炎患者90天死亡率的适当分析工具。
单因素分析的代谢谱(预后研究)
单因素分析显示,通过1H-NMR检测的7种代谢物的归一化浓度以及通过GC-MS检测的19个特征的相对强度在非幸存者和幸存者之间存在显著差异。NMR和GC-MS中所有显著代谢物/特征(P < 0.1)的汇总列于附加文件2:表S6和S7中,包括其P值和各组变量的均值(±SD)。多因素和单因素方法的比较显示了NMR和GC-MS数据集中用于区分非幸存者与幸存者的代谢物类型和数量的差异(见附加文件2:表S5和S6)。有趣的是,使用多因素统计技术,我们观察到比单因素分析更多的潜在代谢物/特征可用于区分H1N1非幸存者与幸存者队列,这两种分析方法显示出非常不同的代谢谱模式。单因素方法用于简化对判别代谢物的单独解释。有趣的是,本研究表明单因素分析可能拒绝那些仅有微小变化、未能通过t检验显示显著差异的潜在代谢物,而当它们与其他代谢物同时分析时可能更为重要;也就是说,代谢物可能并非独立作用于结局。图6显示了使用单因素分析通过NMR和GC-MS平台检测到的非幸存者与幸存者之间所有显著不同的代谢物/特征。
代谢通路与功能分析
使用MetaboAnalyst对NMR和GC-MS数据获得的代谢通路分析的重要潜在靶点显示影响值≥0.10。对最相关通路的更详细分析列于附加文件2:表S7-S12和图S11–S13。表5显示了基于NMR和GC-MS分析发现的最重要代谢物,在基于培养阳性细菌性肺炎和通气ICU对照受试者诊断H1N1肺炎以及H1N1肺炎死亡预后中涉及的已识别生物学通路。表5中通路按其影响值从高到低排序。与培养阳性细菌性CAP患者相比,表5显示了更多参与从ICU对照受试者中诊断H1N1的差异化生物学通路。该证据表明,基于OPLS-DA模型(表4)以及生物学通路,H1N1肺炎患者与ICU对照受试者之间的代谢组学谱差异大于H1N1肺炎患者与培养阳性细菌性肺炎患者之间的差异。有趣的是,基于代谢物变化,在区分H1N1非存活者与存活者时发现了多种生物学通路。通过使用IPA软件,在NMR和GC-MS数据集的诊断和死亡预后研究中生成了更多潜在的生物学通路网络(表6)。
讨论
多项研究表明,使用代谢组学对人类非感染性和感染性肺部疾病进行诊断和预后是可行的,包括哮喘[18]、COPD[19]、结核病[20]、肝炎[21]、脓毒症[22–24]和肺炎[25, 26]。我们分析了H1N1流感病毒感染所致肺炎、细菌感染和未感染的通气ICU对照受试者的血浆代谢物反应,我们发现代谢组学谱强烈预测H1N1肺炎患者与培养阳性细菌性CAP患者之间的差异以及H1N1肺炎患者与通气ICU对照受试者之间的差异。此外,对于H1N1肺炎预后,使用入院第一天采集的血浆样本,血浆代谢谱在区分H1N1肺炎90天非存活者和存活者两个队列方面具有高度特异性和预测性。本研究表明,血浆代谢组学可以成为一种在疾病早期病程中对通气ICU人群诊断H1N1肺炎和预测死亡的有用诊断和预后工具。
需要注意的是,尽管H1N1肺炎队列和培养阳性细菌性社区获得性肺炎(CAP)队列在代谢组学分析中使用了两种不同的抗凝剂——乙二胺四乙酸和肝素钠——但有强有力的证据表明两者具有可比性[27, 28];然而,这仍是本分析的一个潜在问题。通路分析显示,与培养阳性细菌性CAP样本相比,在H1N1诊断中、在将H1N1诊断与通气ICU对照受试者进行比较时、以及在考察死亡预后时,一些特定生物学通路在H1N1诊断中显著富集。赖氨酸降解可能与赖氨酸在脂肪酸代谢多种机制中的作用有关。作者未发表的数据提示脂质衍生代谢物在细菌性CAP患者死亡预后中具有一定作用。赖氨酸被认为是人体不能合成的必需氨基酸,而赖氨酸是革兰阴性和革兰阳性细菌中内消旋-2,6-二氨基庚二酸/赖氨酸生物合成途径用于蛋白质合成的产物[29],很可能由胃肠道中的细菌提供。
细菌感染已被证明与多种代谢物升高相关。例如,全身性细菌感染伴随人空肠中组氨酸摄取升高[30]。此外,与病毒感染相比,组氨酸生物合成似乎在某些细菌感染中发生;特别是,由衣原体和不动杆菌感染引起的肺炎会增加组氨酸生物合成[31]。值得注意的是,组胺是L-组氨酸代谢的产物,并且是炎症中以及可能在细菌性肺炎中存在的主要代谢物[32]。另一种肺部病原体铜绿假单胞菌也会引起组氨酸分解代谢升高[33]。此外,在肺孢子菌肺炎[34]和II型肺泡上皮细胞金黄色葡萄球菌感染[35]中观察到肌醇磷酸代谢升高。甲烷代谢通路已被证明在不同物种(如肺炎链球菌、脑膜炎奈瑟菌、流感嗜血杆菌和金黄色葡萄球菌)致病引起的细菌性脑膜炎中升高[36]。
H1N1感染确实对代谢有影响。在将H1N1与通气对照受试者区分方面,牛磺酸和亚牛磺酸代谢在通路分析中显示出较高的通路影响。牛磺酸是肝脏中胆汁酸结合的重要化合物,提示H1N1感染期间肝脏可能有一定参与。此外,牛磺酸是一种重要的细胞内游离氨基酸,被认为是抗氧化剂和神经调质,还参与神经视网膜和大脑中渗透压的调节。H1N1患者的牛磺酸浓度低于通气ICU对照受试者[37–39]。
甘氨酸、丝氨酸和苏氨酸代谢是将H1N1患者与细菌性CAP患者及通气ICU对照受试者区分开的共同通路(表3和表4)。例如,蛋白激酶R是H5N1感染中对抗丝氨酸-苏氨酸蛋白抗病毒作用的活性蛋白[40]。与通气ICU对照受试者以及培养阳性细菌性CAP患者相比,H1N1患者中甘氨酸、丝氨酸和苏氨酸浓度降低,可能提示这些氨基酸通过病毒代谢被消耗。
在死亡率评估中,1H-NMR和GC-MS通路分析揭示了与谷氨酸、天冬氨酸及相关化合物代谢有关的通路参与。当我们在急性H1N1肺炎死亡的背景下检查这些通路时,它们指向了能量代谢、葡萄糖可利用性和蛋白质合成方面的重要线索。毫不意外的是,可以假设干扰这些通路中的任何一条都会导致更差的预后,而情况似乎确实如此。通路分析指出了能量代谢的重要性,涉及谷氨酸、丙酮酸和丙氨酸。基于本研究的发现,氨基酸代谢和糖异生通路的紊乱似乎是调节H1N1感染非存活者与存活者反应差异的关键因素。在发病机制上,尽管呼吸系统是主要受累系统,肝脏和肾脏也是病毒感染的靶器官,可对代谢产生显著影响[41];在线补充材料中对此进行了强调。
Chong和Street [42]观察到,老年患者的临床表现似乎对死亡预后没有用处,我们的数据支持这一发现。代谢组学分析显示,由H1N1感染启动或影响的病理生理通路对导致死亡的代谢反应的影响大于其他观察到的因素,如临床人口学特征和严重合并症。
总体而言,与细菌感染和通气ICU对照受试者相关的代谢反应相比,对H1N1感染的代谢反应产生了非常独特的代谢特征,这可用于诊断目的,并有可能用于随访治疗反应(表3)。正如预期的那样,H1N1患者与通气ICU对照受试者之间大量且多样的顶级生物学通路网络存在差异(表6)。
很少有研究评估代谢组学生物标志物在社区获得性肺炎(CAP)中的诊断能力[43]。Slupsky等[26]进行了一项基于NMR的CAP尿液研究。他们发现肺炎链球菌肺炎的尿液代谢谱与病毒和其他细菌所致肺炎的代谢谱显著不同。同一研究组在人类和动物模型研究中利用尿液代谢谱成功诊断了CAP的两种重要病因(肺炎链球菌和金黄色葡萄球菌)[25, 44]。此外,Laiakis等[32]表明,应用血清和血浆代谢组学分析可以成功区分重症肺炎患者与社区对照受试者。因此,代谢组学正在研究基础上成功用于人类CAP诊断,尽管尚未用于H1N1肺炎的诊断和预后。H1N1肺炎的诊断需要存在特定症状、符合非典型肺炎模式的胸部X线检查以及诊断性聚合酶链反应检测。本文为未来验证性研究证实我们的发现后,血浆代谢组学作为H1N1肺炎进一步诊断检测的潜在用途提供了证据。
虽然急性生理与慢性健康评估Ⅱ(APACHE Ⅱ)已被用于比较ICU中不同医疗体系间的死亡率,但它并不能很好地预测非ICU患者的死亡率[45]。APACHE Ⅱ无法准确预测H1N1队列中的死亡率(见表1和表2及附加文件2:S15)。然而,我们证明1H-NMR和GC-MS分析能够提供一个高度预测性的统计模型,用以区分H1N1肺炎存活者与死亡者,且这些分析工具具有高灵敏度和特异度。此外,通过与患者APACHE Ⅱ评分进行比较,利用ROC曲线以及线性回归(R²评分)显示了代谢组学在H1N1死亡率预测中的实用性(见附加文件2:表S13)。
代谢组学分析技术不存在单一的最佳选择,因为每种方法各有其优缺点[46]。尽管GC-MS是一种更灵敏的方法,具有高分离效率、高光谱分辨率和高化合物检测分辨率,但NMR更具可定量性和可重复性[46]。
如同迄今大多数代谢组学研究一样,在病理过程中仅检查单一时间点是本研究的一个潜在局限性。只有检查序贯时间点才能克服这一局限。在本研究中,仅可获得单一时间点的材料用于代谢组学评估。尽管存在这一局限性,所呈现的数据仍具有说服力。
本研究的其他潜在局限性包括样本量相对较小以及未进行前瞻性验证。我们使用了该时间段内加拿大可获得的尽可能多的样本用于本研究。我们确实希望有更多样本可用,但事实并非如此。样本量虽小,但仍足以产生显著且有说服力的结果。未来开展更多患者的重复研究将有助于验证我们的发现。此处的验证以病例-对照形式进行,而非使用单独的前瞻性样本采集。这种类型的验证是可接受的,但不如单独的独立验证研究有力。鉴于该时间段内可用于分析的样本有限,这些局限性很难克服。当然,一项独立验证研究将为这些初步发现增添极大的有效性。如同所有代谢组学研究一样,所选技术存在技术局限性,因为NMR研究部分缺乏灵敏度但具有可定量性和特异性;GC-MS研究部分虽然更灵敏,但由于现有GC-MS数据库的局限性,在定量能力和特异性方面有所不足。尽管存在这些局限性,由于两种技术显示出相似的发现,这增强了本研究的有效性并有助于克服部分局限性。
结论
本研究表明,血浆代谢组学反映了H1N1患者的一种特异性特征,该方法可重要地应用于H1N1肺炎患者的诊断和死亡率预后。我们得出结论,使用1H-NMR和GC-MS的非靶向代谢组学具有高度预测性,其灵敏度和特异度足以通过区分H1N1流感肺炎的非存活者与存活者来预测死亡率。此外,代谢组分析可准确地应用于在入院/入住ICU第一天将H1N1肺炎病例与培养阳性细菌性社区获得性肺炎(CAP)患者及接受机械通气的ICU对照受试者区分开来。我们推测,代谢组学研究可作为预测工具,用于及时给予抗病毒治疗和其他支持治疗,从而可能带来更好的结局。
附加文件
附加文件1:补充材料。(DOCX 64.6 kb)
补充材料、图和表。(DOCX 1.79 mb)
参考来源
- Banoei MM, Vogel HJ, Weljie AM, et al. Plasma metabolomics for the diagnosis and prognosis of H1N1 influenza pneumonia. Crit Care. 2017. PMID: 28424077. doi:10.1186/s13054-017-1672-7
- 全文:PMC5397800(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5397800/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。