Este artigo é um Preprint
Preprints são relatos preliminares de pesquisa que não foram certificados pela revisão por pares. Eles não devem ser considerados para orientar a prática clínica ou comportamentos relacionados à saúde e não devem ser publicados na mídia como informação estabelecida.
Preprints publicados online permitem que os autores recebam feedback rápido, e toda a comunidade científica pode avaliar o trabalho independentemente e responder adequadamente. Estes comentários são publicados juntamente com os preprints para qualquer pessoa ler e servir como uma avaliação pós-publicação.
Multi-Omics integration analysis of respiratory specimen characterizes baseline molecular determinants associated with COVID-19 diagnosis.
Preprint
em Inglês
| medRxiv
| ID: ppmedrxiv-20147082
ABSTRACT
Rapid diagnosis and precise prognostication of SARS-CoV-2 infection remains a major challenge. A multi-omic approach was adopted, and in the discovery phase, global proteome/metaproteome/metabolome were analysed in the respiratory specimens of SARS-CoV-2 positive [n=20], negative [n=20], and H1N1 positive [n=5] cases. We identified MX1 (MX Dynamin Like GTPase 1) and WARS (Tryptophan--tRNA ligase) as clues to viral diagnosis and validated in 200 SARS-CoV-2 suspects. MX1 >30pg/ml and WARS >25ng/ml segregated virus positives patients [(AUC=94%CI(0.91-0.97)]. Distinct increase in SARS-CoV-2 induced immune activation, metabolic reprograming and a decrease in oxygen transport, wound healing, fluid regulation, vitamin and steroid metabolism was seen (p<0.05). Multi-omics profiling correlated with viraemia and segregated asymptomatic COVID-19 patients. Additionally, the multiomics approach identified increased respiratory pathogens [Burkholderiales, Klebsiella pneumonia] and decreased lactobacillus salivarius (FDR<0.05, p<0.05) in COVID-19 specimens. ConclusionNovel proteins [MX1 and WARS] can rapidly and reliably diagnose SARS-CoV-2 infection and identify asymptomatic and mild disease.
cc_by_nc_nd
Texto completo:
Disponível
Coleções:
Preprints
Base de dados:
medRxiv
Tipo de estudo:
Estudo prognóstico
Idioma:
Inglês
Ano de publicação:
2020
Tipo de documento:
Preprint