继周强实验室之后，西湖大学生命科学学院PI（研究员）郭天南带领的蛋白质组大数据实验室，近日在新冠病毒研究方面又有重要发现。
他们和合作团队一起对新冠肺炎患者血液中的蛋白质和代谢物分子进行系统检测，发现重症患者的血清中存在多种独特的分子变化，并找到了一系列生物标志物，有望为预测轻症患者向重症发展提供导向。
相关研究成果，已于北京时间4月8日0时15分，在预印版平台medRxiv上线。
新冠肺炎疫情已在全球范围内迅速蔓延，感染人数超过百万。然而，我们只看到临床症状和影像学特征，对疾病在微观分子层面的改变知之甚少。我们至今仍不清楚新冠病毒感染对患者有什么影响，也不太清楚在临床治疗中，为什么有些轻症患者会在短时间内迅速演变为重症。
郭天南团队与临床、代谢组研究团队合作，对99份病毒灭活处理的血清样本进行了安全处理和质谱分析。根据现行临床诊断标准，这些血样被分为对照（健康）组、疑似但实为普通流感组、新冠感染轻症组、新冠感染重症组。团队成员运用高分辨率质谱设备取得了样本的蛋白质组和代谢组谱图，对血清样本中的蛋白和代谢物的相对浓度进行了全景式的测定，从而揭示了重症患者体内多种独特的分子调控。
实验设计及流程
与对照（健康）组、普通流感组和轻症组相比，新冠肺炎重症患者的样本中出现了93种特有的蛋白表达和204个特征性改变的代谢分子。其中50种蛋白，与患者体内的巨噬细胞、补体系统、血小板脱颗粒有关。
研究团队还发现，在新冠病毒感染的重症患者体内，有100多种氨基酸及100多种脂质均出现显著减少。这可能是病毒迅速扩增导致的消耗，为临床医生监控病情和制定调整治疗方案提供了一定的参考。
COVID-19感染后根据组学数据推测的重症患者体内的巨噬细胞、血小板、补体系统的作用通路图。这些蛋白质和代谢物有望成为提前诊断重症患者的生物标记物和治疗的靶点。
此外，郭天南团队在质谱分析数据的基础上，使用机器学习方法进一步“沙里淘金”，筛选出重症患者特征性的22个蛋白质和7个代谢物。血清样本成分符合这一组合的患者，很可能是重症患者，或有很大可能性发展为重症病例。这一发现有望用于重症患者的预测，促进医疗资源的合理调配，并为重症患者的药物选择提供一定指导。当然，该结果还需要在更多的独立临床队列中验证。
蛋白质表达是临床诊断的重要依据，疾病治疗的效果也取决于蛋白质机器的调控。郭天南团队和合作团队一起从今年2月底启动研究，他们采用新的质谱检测技术和机器学习的方法，短时间内整合蛋白质组、临床、生物、代谢组、计算等多学科数据，反复筛选、分析、比对、验证，率先完成了COVID-19轻重症患者的血清蛋白质组与代谢组分析，为新冠重症患者血清中� | 
