CN112870226A - 新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 - Google Patents
新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 Download PDFInfo
- Publication number
- CN112870226A CN112870226A CN202110049339.0A CN202110049339A CN112870226A CN 112870226 A CN112870226 A CN 112870226A CN 202110049339 A CN202110049339 A CN 202110049339A CN 112870226 A CN112870226 A CN 112870226A
- Authority
- CN
- China
- Prior art keywords
- cell
- cells
- group
- coronary pneumonia
- new coronary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K35/00—Medicinal preparations containing materials or reaction products thereof with undetermined constitution
- A61K35/12—Materials from mammals; Compositions comprising non-specified tissues or cells; Compositions comprising non-embryonic stem cells; Genetically modified cells
- A61K35/14—Blood; Artificial blood
- A61K35/17—Lymphocytes; B-cells; T-cells; Natural killer cells; Interferon-activated or cytokine-activated lymphocytes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K35/00—Medicinal preparations containing materials or reaction products thereof with undetermined constitution
- A61K35/12—Materials from mammals; Compositions comprising non-specified tissues or cells; Compositions comprising non-embryonic stem cells; Genetically modified cells
- A61K35/14—Blood; Artificial blood
- A61K35/15—Cells of the myeloid line, e.g. granulocytes, basophils, eosinophils, neutrophils, leucocytes, monocytes, macrophages or mast cells; Myeloid precursor cells; Antigen-presenting cells, e.g. dendritic cells
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P11/00—Drugs for disorders of the respiratory system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P31/00—Antiinfectives, i.e. antibiotics, antiseptics, chemotherapeutics
- A61P31/12—Antivirals
- A61P31/14—Antivirals for RNA viruses
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N5/00—Undifferentiated human, animal or plant cells, e.g. cell lines; Tissues; Cultivation or maintenance thereof; Culture media therefor
- C12N5/06—Animal cells or tissues; Human cells or tissues
- C12N5/0602—Vertebrate cells
- C12N5/0634—Cells from the blood or the immune system
- C12N5/0635—B lymphocytes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N5/00—Undifferentiated human, animal or plant cells, e.g. cell lines; Tissues; Cultivation or maintenance thereof; Culture media therefor
- C12N5/06—Animal cells or tissues; Human cells or tissues
- C12N5/0602—Vertebrate cells
- C12N5/0634—Cells from the blood or the immune system
- C12N5/0636—T lymphocytes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N5/00—Undifferentiated human, animal or plant cells, e.g. cell lines; Tissues; Cultivation or maintenance thereof; Culture media therefor
- C12N5/06—Animal cells or tissues; Human cells or tissues
- C12N5/0602—Vertebrate cells
- C12N5/0634—Cells from the blood or the immune system
- C12N5/0639—Dendritic cells, e.g. Langherhans cells in the epidermis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/26—Infectious diseases, e.g. generalised sepsis
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Public Health (AREA)
- Organic Chemistry (AREA)
- Hematology (AREA)
- Zoology (AREA)
- Cell Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Wood Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Microbiology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Pharmacology & Pharmacy (AREA)
- Virology (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Biochemistry (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Developmental Biology & Embryology (AREA)
- Data Mining & Analysis (AREA)
- Urology & Nephrology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Databases & Information Systems (AREA)
- Oncology (AREA)
- Communicable Diseases (AREA)
- Tropical Medicine & Parasitology (AREA)
- Pulmonology (AREA)
Abstract
本发明涉及新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用,即本发明提供了的对COVID‑19疾病发生发展有重要作用的免疫细胞群及亚群,第一类可以用于新冠肺炎的T细胞免疫治疗、DC细胞免疫治疗、B细胞免疫治疗、对于老龄患者的免疫治疗;第二类可以用于筛选和设计抑制细胞因子风暴的药物、抑制T细胞减少的药物;第三类可以用于新冠肺炎的诊断。
Description
技术领域
本发明属于新型冠状病毒肺炎的诊断领域,特别涉及新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用。
背景技术
对新冠状病毒(SARS-CoV-2)的感染诊断可以包括使用计算机断层扫描(CT) 诊断肺炎以及通过实时RT-PCR检测对咽喉拭子样本、下呼吸道分泌物、外周血或粪便中的病毒RNA(用SARS-CoV-2特异性引物和探针提取)。根据临床表现将COVID-19分为四型,既轻型,普通型,重型以及危重型,部分无临床表现但核酸检查的患者则被认为是无症状患者。由于缺乏针对SARS-CoV-2这种病毒的特异性药物,目前对这种疾病的临床治疗主要依靠支持性治疗来减少炎症反应和保持肺功能。当SARS-CoV-2与呼吸道上皮细胞结合后开始复制并向下迁移,随后进入到肺的肺泡上皮细胞开始大量的快速复制这一现象就可能引发一系列的强烈的免疫反应(细胞因子风暴),近期有研究报道,与轻症COVID-19患者相比,重症患者血浆中IL2、IL6、IL7、IL10、GSCF、IP10、MCP1、MIP1A、TNFα的水平显著升高,因此表明炎性因子的大量释放是重症患者的一个显著特征。细胞因子风暴综合征可导致急性白细胞释放窘迫综合征和呼吸衰竭,这被认为是 COVID-19患者死亡的主要原因,年龄较大(>60岁)和有严重既往疾病的患者发生急性呼吸窘迫综合征和死亡的风险更大。此外,重型COVID-19患者中免疫缺陷的比例也较高,这表明抗病毒的免疫能力不足也会导致感染。同时,淋巴细胞减少症,即血液中淋巴细胞(CD8+T,MAIT,γδT,NKT)数量减少,是重症COVID-19 患者免疫紊乱的另一个显著特征。目前的T细胞受体(TCR)跟踪分析显示, COVID-19患者肺组织中CD4+和CD8+T细胞的招募增强,诱导其局部制造细胞因子,可能导致细胞因子风暴和周围淋巴细胞减少。随后临床病理学也证实, COVID-19患者的组织病理学改变主要发生在肺部。组织病理学分析显示重症 COVID-19患者双侧弥漫性肺泡损伤、肺透明膜形成、肺细胞脱屑、肺纤维蛋白沉积。渗出性炎症在一些病例中也有表现。免疫组化检测在上呼吸道、细支气管上皮和粘膜下腺上皮,以及I型和II型肺细胞、肺泡巨噬细胞和肺透明膜中检测到SARS-CoV-2抗原。但目前,对于新冠病毒对人体免疫系统的具体影响还尚未明确。目前,没有能够治疗COVID-19的药物或抗SARS-CoV-2的抗病毒药物普遍被证明有效。目前COVID-19患者的疾病分型及预后主要通过临床表现症状(发热,咳嗽等呼吸道症状,呼吸速率,氧饱和率,氧合指数等)或实验室检查(基于流式细胞仪等的免疫细胞计数,细胞炎症因子含量检测等)判断,对于疾病进展及预后分析具有一定滞后性且缺乏针对COVID-19诊断的特异性方法,对快进展及多疾病基础的病人等,不能满足当前诊断及预判需要。目前单细胞RNA测序 (scRNA-seq)是新兴的可有效研究免疫机制的技术手段,基于10x Chromium Controller设备可具体精准分析个体单个细胞的转录表达谱,具有极高的特异性及灵敏度,已有多篇采用scRNA技术路线的相关研究提示存在COVID-19患者外周血单个核细胞细胞类群相对比例与抗病毒免疫对应关系,但目前仍缺乏同时覆盖不同临床症状人群的各类型细胞亚群的系统全面的细胞分析。
发明内容
本发明提供了一种类群细胞及其改造物在制备治疗新冠肺炎的细胞生物制品的用途,所述类群细胞为利用患者自身或同种异体或异种(非人类)的外周血单个核细胞(Peripheral blood mononuclear cell,PBMC)在体外分离培养得到,所述类群细胞包括T细胞类群、DC细胞类群、B细胞类群中的任一种或多种;所述改造物是以所述类群细胞再经生物工程改造得到;
术语“在体外分离培养得到”,可具体分为:①直接分离培养:采集供者外周血,检测无污染后,生理盐水稀释,可通过Ficoll淋巴细胞分离液等试剂或血细胞分离机等设备制备获得外周血单个核细胞,利用无血清培养基调整细胞浓度,制成PBMC单细胞悬液,进一步根据特定目标细胞类群表面特征分子(示例: AIF1+BCL2+CD8+初始T细胞通过T细胞表面特征分子CD3+CD8+AIF1+BCL2+进行细胞纯化)通过细胞流式仪等设备采集分选特定细胞并实现细胞分离纯化,纯化后细胞转移至细胞培养皿/瓶中,参考类群细胞所需体外培养条件(培养基,培养温度,培养二氧化碳浓度等)于体外进行细胞培养扩增,且此时可选择加入特定细胞类群生长分化所需细胞因子激活目标细胞(示例:AIF1+BCL2+CD8+初始T细胞,采用无血清淋巴细胞完全培养基,加入IL-2等,细胞培养箱37℃,2-10%CO2培养,并在回输治疗前定时在显微镜下观察细胞状态,检测相应指标(细胞数量,细胞活性,细胞代谢能力,细胞功能等),并在回输治疗前定时在显微镜下观察细胞状态,检测相应指标(细胞数量,细胞活性,细胞代谢能力,细胞功能等) 确认满足回输治疗条件(该细胞培养步骤可先于目标类群细胞分选进行,即先进行细胞扩增培养,后进行目标特定细胞类群纯化分离),每次免疫细胞回输后观察患者体温、皮疹及病情变化;②间接诱导培养:采集供者脐带血,与①中方法类似,通过细胞流式仪等设特定分离表面标记分子为CD34+的细胞,参考免疫细胞分化发育进程,于相应时间点加入特定目标细胞类群生长分化所需细胞因子,参考不同类群细胞所需体外培养条件(培养基,培养温度,培养二氧化碳浓度等) 于体外进行细胞培养,监测目标类群细胞表面特征标记分子表达情况,确认鉴定目标特定类群细胞诱导分化成功,同①中后续方法,进行该特定类群细胞扩增。所述类群细胞包括T细胞类群、DC细胞类群、B细胞类群中的任一种或多种;所述改造物是以所述类群细胞再经生物工程改造得到,具体如:通过基因编辑如成簇规律间隔短回文重复(CRISPR/Cas9)系统等手段敲除同种异体的可能引起免疫反应排斥的异源基因等;通过病毒感染等方式使特定类群细胞获得 SARS-COV-2抗原的基因片段提高特异性抗病毒免疫反应及诱导的机体抗肿瘤免疫反应;采用化学诱导等方式,控制细胞活性及效能(如加入OK432、FN-CH296 等刺激免疫细胞增殖,提高细胞的杀伤毒性)。
术语“以所述类群细胞再经生物工程改造得到”,具体如:通过基因编辑如成簇规律间隔短回文重复(CRISPR/Cas9)系统等手段敲除同种异体的可能引起免疫反应排斥的异源基因等;通过病毒感染等方式使特定类群细胞获得 SARS-COV-2抗原的基因片段提高特异性抗病毒免疫反应及诱导的机体抗肿瘤免疫反应;采用化学诱导等方式,控制细胞活性及效能(如加入OK432、FN-CH296 等刺激免疫细胞增殖,提高细胞的杀伤毒性)。
所述T细胞类群包括AIF1+BCL2+CD8+初始T细胞和TRGC1+CD4-CD8-γδT细胞中的一种或多种;
所述DC细胞类群包括S100A12-CX3CR1lomDC细胞和CLEC10A-S100A9lopDC细胞的一种或多种;
所述B细胞类群包括IGHD+CD27+CD180-记忆性B细胞。
优选的在制备治疗新冠肺炎的细胞生物制品的用途,所述患者为老年患者,
所述类群细胞包括AIF1+BCL2+CD8+初始T细胞,TRGC1+CD4-CD8-γδT细胞,S100A12-CX3CR1lomDC细胞,CLEC10A-S100A9lopDC细胞的一种或多种。
优选的在制备治疗新冠肺炎的细胞生物制品的用途,将所述类群细胞及其改造物回输或植入人体治疗新冠肺炎。
本发明还提供了一种类群细胞及其改造物在筛选或设计抑制新冠肺炎细胞因子风暴的多信号通路靶点药物的用途,所述细胞类群包括 CD68-CSF1R-IL1BhiCD14+经典单核细胞、CD4loCSF1R-CD33+CD14+经典单核细胞中的一种或多种;所述信号通路包括NF-kappa Bsignaling pathway,Toll-like receptor signaling pathway,Cytokine-cytokinereceptor interaction, NOD-like receptor signaling pathway中的一种或多种。
本发明还提供了一种筛选或设计抑制新冠肺炎细胞因子风暴的药物的方法,包括如下步骤:
检测类群细胞在信号通路的富集情况确定多个通路靶点,所述细胞类群包括CD68-CSF1R-IL1BhiCD14+经典单核细胞、CD4loCSF1R-CD33+CD14+经典单核细胞中的一种或多种,所述信号通路包括NF-kappa B signaling pathway,Toll-like receptor signalingpathway,Cytokine-cytokine receptor interaction, NOD-like receptor signalingpathway中的一种或多种;
筛选或设计针对所述通路靶点的多靶点药物。
本发明还提供了一种类群细胞及其改造物在筛选或设计抑制新冠肺炎活化诱导凋亡T细胞减少的多信号通路靶点药物的用途,所述细胞类群包括 LAG3+CD160+CD8+NKT,所述信号通路包括TNF signaling pathway,Th1 and Th2 cell differentiation,IL-17signaling pathway,Antigen processing and presentation。
本发明还提供了一种筛选或设计抑制新冠肺炎活化诱导凋亡T细胞减少的药物的方法,包括如下步骤:
检测类群细胞在信号通路的富集情况确定多个通路靶点,所述细胞类群包括LAG3+CD160+CD8+NKT,所述信号通路包括TNF signaling pathway,Th1 and Th2 celldifferentiation,IL-17 signaling pathway,Antigen processing and presentation;
筛选或设计针对所述通路靶点的多靶点药物。
本发明还提供了一种分类新冠肺炎或者有风险形成新冠肺炎的患者的样品的方法,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,所述方法包括如下步骤:
a)确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的步骤,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自 CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
b)比较步骤a)中确定的所述样品中的至少一种细胞类群的细胞比例与一种或几种参照的相应细胞类群的细胞比例;
c)从步骤b)中比较的结果将所述患者的样品分类为至少两类之一。
本发明还提供了一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的方法,所述方法包括如下步骤:
a)确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的步骤,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞、LAG3+CD160+CD8+NKT细胞亚群中的一种或多种;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自 CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
b)比较步骤a)中确定的所述样品中的至少一种细胞类群的细胞比例与一种或几种参照的相应细胞类群的细胞比例;
c)从步骤b)中比较的结果诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果。
术语“新冠肺炎的患者”包括新冠肺炎症状和无新冠肺炎症状患者。“有风险形成新冠肺炎的患者”包括新冠病毒的易感人群、疑似人群、接近参照表达水平的表达量的人群等。
术语“预测形成新冠肺炎的风险”是指,比如接近某个或某些细胞类群的细胞比例的人群可能会有较高的确诊为新冠肺炎的风险。
“预测新冠肺炎的结果”是指,比如在诊断新冠肺炎的基础上,比如进一步区分重症组和普通型感染组、恢复期组和普通型组、长期核酸检测不转阴组和短期核酸转阴组等。
本发明还提供了一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的试剂盒,所述试剂盒包括:
用于确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的装置,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自 CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
至少一种用于和来自所述样品的至少一种细胞类群的细胞比例进行比较的参照的相应细胞类群的细胞比例数据的装置。
术语“试剂盒”,本发明不做具体限定,比如制备特定类群细胞分选抗体作为试剂盒,具体为:根据特定细胞类群表面标记分子作为抗原,利用多克隆抗体制备技术(抗原结合相应佐剂免疫动物,获得抗血清,经高效液相等手段纯化获得多克隆抗体)或单克隆抗体制备技术(同多克隆抗体制备技术,但免疫动物后取脾细胞与骨髓瘤细胞融合,通过抗体筛选正确表达相应抗体的杂交瘤细胞株,实现克隆化后,培养杂交瘤细胞制备动物腹水,经高效液相等手段纯化获得单克隆抗体)或基因工程抗体制备技术(利用原核、真核等系统表达抗体蛋白),应用流式细胞仪,应用以上抗体分选目标细胞,检测细胞比例。
本发明还提供了一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的计算机程序产品,其包括:
用于接收代表在患者样品中的至少一组中的至少一种细胞类群的细胞比例的数据的步骤;
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
用于接收代表用于和来自于所述样品的细胞类群的细胞比例的数据进行比较的参照的相应细胞类群的细胞比例数据的步骤;
用于比较代表患者样品中的所述细胞类群的细胞比例数据的所述数据的步骤;
用于从比较的结果中确定新冠肺炎的诊断、形成新冠肺炎的风险的预测或新冠肺炎的结果的预测的步骤。
本发明还提供了一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的装置,其包括:
用于接收代表在患者样品中的至少一种细胞类群的细胞比例的数据的装置,其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自 CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
用于接收代表用于和来自于所述样品的细胞类群的细胞比例进行比较的参照的相应细胞类群的细胞比例的数据的装置;
用于比较代表患者样品中的细胞类群的细胞比例的所述数据的装置;
用于从比较的结果中确定新冠肺炎的诊断、形成新冠肺炎的风险的预测或新冠肺炎的结果的预测的装置。
本发明的有益效果在于:本发明提供的对COVID-19疾病发生发展有重要作用的免疫细胞群及亚群,第一类可以用于新冠肺炎的T细胞免疫治疗、DC细胞免疫治疗、B细胞免疫治疗、对于老龄患者的免疫治疗;第二类可以用于筛选和设计抑制细胞因子风暴的药物、抑制T细胞减少的药物;第三类可以用于新冠肺炎的诊断。进一步的技术效果包括:
利用患者自身或同种异体或异种(非人类)的PBMC,在体外分离培养得到本发明的第一类类群细胞,直接或再经生物工程改造后的细胞通过体外操作后回输(或植入)人体,新输入的细胞可以替代受损细胞、或者具有更强的免疫杀伤功能,调节患者免疫能力来加强对病毒的清除和抑制,从而达到治疗疾病的作用。
根据本发明中不同疾病感染严重程度组差异基因比较及第二类类群细胞的富集分析后得到多条不同作用通路,可用于发现多靶点药物治疗。即针对以下作用通路上靶点设计筛选开发可以同时作用于疾病网络中的多个靶点的药物,各靶点的作用可以产生协同效应,使总效应大于各单效应之和,达到最佳的治疗效果。
目前实验室检查主要参考血常规检查,特异性较差,根据本发明的第三类细胞类群在不同疾病组中细胞比例据显著差异,可加入新冠实验室检查,利用细胞流式仪等手段检测以下细胞比例,更准确地针对疾病分型进行判断。
附图说明
图1 sc-RNA测序总体研究设计示意图;
图2A总119,799个细胞分类聚集以及样本对列--t分布随机邻居嵌入 (t-sne)图和每组队列的细胞分布;
图2B总119,799个细胞分类聚集以及样本对列--九大类细胞主要标记基因分别t-sne;
图3A 24类细胞群的t分布随机邻居嵌入(t-sne)图细胞分布及其标记基因表达;
图3B 24类细胞亚群的标记基因表达情况;
图4五种主要细胞类型的T-sne聚类;
图5A样本细胞组成分析--样本的9大类细胞组成百分比;
图5B样本细胞组成分析--样本的24类细胞亚群组成百分比;
图6 HC,AS,SM三组中细胞群的占比情况(所有P<0.05的比较组已标出);
图7 HC,AS,SM三组差异细胞类群(LAG3+CD160+CD8+)NKT细胞的差异表达基因热图;
图8(LAG3+CD160+CD8+)NKT细胞中所有差异基因GO和KEGG基因富集分析;
图9 HS,AS,MD,SD,SDR五组中细胞群的占比情况(所有P<0.05的比较组已标出);
图10A免疫应答与年龄和COVID-19病情严重程度之间的关系(斯皮尔曼秩相关系数r值为-1.0-1.0)--免疫反应与COVID-19病情的关系;
图10B免疫应答与年龄和COVID-19病情严重程度之间的关系(斯皮尔曼秩相关系数r值为-1.0-1.0)--免疫应答与年龄的关系;
图11 CD68-CSF1R-IL1BhiCD14+经典单核细胞HC,AS,MD,SD,SDR差异表达基因富集热图;
图12 CD68-CSF1R-IL1BhiCD14+经典单核细胞HC,AS,MD,SD,SDR差异表达基因GO,KEGG通路富集;
图13长期核酸不转阴(LTNP)与短期核酸转阴(STNP)患者中显著变化的细胞比例;
图14免疫反应特征与病程的关系(斯皮尔曼秩相关系数r值为-1.0-1.0);
图15有基础病于无基础病的COVID-19患者免疫细胞的变化;
图16有无基础病的COVID-19患者差异的细胞类群与疾病严重程度的相关性分析;
图17 24类细胞分群在COV-077样本、COV-166样本中的t分布随机邻居嵌入(t-sne)图细胞分布及其标记基因表达;
图18 COV-077,COV-166样本细胞组成及24类细胞类型标记基因分析;
图19 COV-077,COV-166样本实验室检查结果;
图20 COV-077,COV-166样本显著变化细胞差异基因分析;
图21 C19,C20,C26患者九大类免疫细胞比例的动态变化图;
图22 C19,C20,C26患者24类免疫亚群细胞比例的动态变化图;
图23 C19,C20,C26患者T细胞亚群细胞比例的动态变化图;
图24 C19,C20,C26患者单核细胞亚群细胞比例的动态变化图;
图25 C19,C20,C26患者的差异细胞差异基因的动态变化图;
具体实施方式
以下具体实施方式公开了诸多技术细节,然而,不应当理解为对本发明保护范围的限制。
1.具体实施方法
1.1样本队列
收集39例COVID-19患者的42份外周血样本以及11例健康人的外周血样本,提取外周血单核淋巴细胞(表1),所纳入的患者的诊断以及分类均依据世界卫生组织临时指南以及中华人民共和国发布的新冠肺炎诊疗方案而执行。根据临床症状COVID-19患者被分为无症状感染者(AS,n=5),有症状感染者(SM,n=34),有症状感染者又被分为轻型/普通型(MD,n=13),重型/危重型(SD,n=10),重型/危重型恢复期(SDR,n=11)。与此同时,有症状患者又可以按照核酸转阴时间是否大于45天被分为核酸长期不转阴患者(LTNP,n=13)和短期核酸转阴患者(STNP,n=21);此外,根据是否有基础病又将有症状的患者分为有基础病患者 (CM,n=19)和无基础病患者(NCM,n=15)。
1.2外周血单核淋巴细胞悬液制备
1.2.1分离外周血单个核淋巴细胞(PBMC)
(1)将收集到的20mL外周血离心(2500rpm,20min,acc加速时间9s,dec降速时间9s,收集血浆。
(2)稀释血细胞:用PBS将血细胞进行1:1稀释并吹打均匀。
(3)单核淋巴细胞分离:将稀释后的血细胞小心加入到提前加好淋巴细胞分离液(5mL)的15mL离心管中,注意不要打破两者之间的分界线。室温2000rpm, 30min,加速时间1s,降速时间0s。
(4)收集淋巴细胞:离心后,血液出现分层现象(4层)从上到下依次为:少量的血浆和分离液-淋巴细胞-分离液-红细胞,第二层白膜,量较少,即为淋巴细胞。
(5)在15ml离心管中加入5mlPBS,将白膜吸出,并吹打洗涤。
(6)洗涤:1500rpm,5min,acc9,dec9,重复两次。
(7)PBMC冻存:弃上清,5×106个细胞冻存一管。
1.2.2单细胞悬液制备
(1)从-196℃液氮储罐中取出含PBMC的冻存管,置于37℃水浴中快速解冻。
(2)将PBMC加入到含有10mL培养基(90%DMEM+10%胎牛血清)的15mL离心管中,500g离心20分钟,弃上清,重复洗涤两次。
(3)用500uL 0.1%BSA-PBS重悬细胞,加入5mL 1×红细胞裂解液 (MACS,130-094-183,10×),室温孵育10min后,500g离心20min,弃上清。
(4)6mL 1×0.1%BSA-PBS重悬细胞,500g,离心15min,重复2-3次。
(5)确保细胞活率>85%,细胞结团率<5%;并调整浓度至700-1200cell/μL 三次计数。
1.3 Chromium 10x基因组建库和测序
根据10x Genomics Chromium single cell 5’kit(V1)试剂盒要求,将单细胞悬液加入到10x Chromium Chip A芯片中,将芯片组装好放入10x Chromium Controller仪器中捕捉5000个单细胞。按照标准方案进行cDNA扩增和文库构建步骤。利用LC-BioTechnology co.公司的IlluminaNovaSeq 6000测序系统对文库进行测序(中国杭州)。
1.4单细胞RNA测序数据处理
将测序结果通过Illumina bcl2fastq软件转换成FASTQ格式,使用Cell Rangerpipeline
(https://support.10xgenomics.com/single-cell-geneexpression/software/pipelines/latest/what-is-cell-ranger,version 3.1.0)进行样本分用,条码处理以及单细胞5’端基因计数。将scRNA-seq数据与Ensembl数据库中 GRCh38参考基因组进行比对,将从11名健康人和42名COVID-19患者中捕获的 222,457个单细胞,使用10XGenomics Chromium Single Cell 5'Solution进行处理。Cell Ranger输出的数据被上传到Seurat(版本3.1.1)中,用于对 scRNA-seq数据进行降低维度,聚类以及分析。总的来说,有207,718个细胞通过了质控:所有在多个细胞内表达的基因均被剔除,每个细胞表达的基因数量大于500,UMI计数小于500,线粒体源性基因表达的占比小于25%。为了使数据可视化,本实施例通过Seurat进一步降低了207,718个细胞的维度,并使用t-SNE 将细胞投射到2D平面中剔除低质量的细胞之后,留下了119,799个细胞进行研究。对主要的9种细胞类型进行整合,进一步进行亚聚类。按上述方法进行缩放、主成分分析和聚类。
1.5差异表达分析以及功能富集
使用Seurat中的默认参数“bimod”分析不同组样本细胞间的差异表达基因(DEGs),取log2(fold change)≥0.26,P value<0.05.并且在同一组细胞中检出率>10%。为了进一步了解DEGs的之间的关系以及功能,在一些实施例中,进行了GO注释分析和KEGG分析。将在GO或KEGG分析中富集的DEGs以及通路作为后续致病机理研究的候选分子。
1.6统计分析
本发明的一些实施例的所有数据的分析均通过SPASS13.0版本软件以及GraphPad Prism 8.0.2完成.分类变量用频率和百分率表示,
对于连续变量则选择平均数,中位数以及四分差表示。当数据表现为正态分布时,对连续变量的均值进行独立t检验进行比较,否则采用Mann-Whitney检验方法。对重复测量的非正态分布数据使用广义线性混合模型进行比较。对有限数据使用Fisher精确检验,对分类变量的比例使用的是χ2检验。对于未经调整的数据的比较,小于0.05的双侧偏置被认为具有统计学意义。相关性分析采用 Spearman进行,非配对或配对比较分别采用Mann-Whitney或Wilcoxon检验。实验部分的统计细节在相应的图例中提供。
1.7医学伦理
本实施例涉及的研究经西安交通大学第一附属医院和武汉大学人民医院伦理委员会批准。所纳入的患者均自行或其代理人提供了书面知情同意书。PBMC 是在标准诊断检测中收集的现有样本上进行的,不会给患者带来额外负担。
2结果
2.1样本队列设定
为了更加全面了解新冠肺炎(COVID-19)患者的免疫学特征,39名感染 SARS-CoV-2的患者和11名健康对照(HCs)被纳入这项研究进行单细胞RNA测序 (scRNA-seq)。共采集了53份外周血单核淋巴细胞样本(PBMC),其中包括 42例患者的样本以及11例健康人的样本,其中COVID-19患者(C-19、C-20、C-26) 在其住院期间不同时间分别采集两次PBMC。根据临床表现和实验室检查结果,将COVID-19患者可分为无症状感染组(AS,n=5)和有症状感染组(SM,n=34)。随后有症状感染组又可以根据病情严重程度分为轻型/普通型(MD,n=13),重型/ 危重型(SD,n=10),重型/危重型恢复(SDR,n=11)。与此同时,根据病程时间的长短,本实施例将有症状感染者分为核酸长期不转阴样本(LTNP,n=13),即病核酸由阳转阴时间大于45天组;短期核酸转阴样本(STNP,n=21),既45天或更短时间内转为阴性组(参见图1,表1)。此外,根据患者是否有基础病将有症状的感染样本分为有基础病组(CM,n=19)和无基础病组(NCM,n=15)。
表1队列研究中的人口统计和临床特征
2.2外周血单核淋巴细胞单细胞转录谱概述
通过单细胞RNA测序,在所有样品中捕捉了119,799个单细胞用于后面的分析。然后用t分布随机邻接嵌入(t-SNE)实现每个队列中的细胞分布的2D可视化。大多数细胞群由多个患者的细胞组成,显示了患者之间相似的免疫景观。使用经典的免疫细胞标记基因对细胞类群分出了主要的9类细胞群,包括T细胞、单核细A.胞、自然杀伤细胞(NK)、B细胞、树突细胞(DC)、血小板、中性粒细胞、浆细胞和干细胞(参见图2A、图2B)。通过进一步对细胞类群分析,我们总共得出了24类免疫细胞亚群:(CD8+GZMK-)初始T细胞、(CD4+GATA3+GPR183+)初始T细胞、(CD8+GZMK+)效应记忆T细胞、(CD3+KLRD1+)自然杀伤T细胞、(CD4-CD8-) 双阴性T细胞、(MKI67+)增殖性T细胞、(CD4hiCSF1RloCD14+)经典单核细胞、 (CD4hiCD68+CD14+)经典单核细胞、(CD4hiCD68-CD14+经典单核细胞、 (CD4loCSF1R-CD33-CD14+)经典单核细胞、(CD4loCSF1R-CD33+CD14+经典单核细胞、(Siglec10+CD16+)非经典单核细胞、(CD14-CD16-)非成熟单核细胞、(CD7hi)自然杀伤细胞、(CD7lo)自然杀伤细胞、(CCR7+)初始B细胞、(CD27+)记忆B细胞、 (CD1C+)髓系细胞样树突状细胞、(CD83hi)髓系细胞样树突状细胞、(LILRA4+)浆细胞样树突状细胞、(ITGA2B+GP9+)血小板、(CD177+)中性粒细胞,(CD38hiIGHG4+) 浆细胞,(CD34+)干细胞(参见图3A、图3B)。
随后,我们对9种细胞类型进行了重新聚类,以确定亚群。通过对标记基因的表达情况进行分析之后,我们得到了16种T细胞亚群,8类CD4+T细胞,5类 CD8+T细胞,2类CD4-CD8-T细胞以及1类CD4+CD8+T细胞(参见图4),具体为 (TBX21+CD8+)NKT细胞、(LAG3+CD160+CD8+)NKT细胞、(GATA3+CCR6-S1PR1+CD4+)初始T细胞、(CCR6+)辅助性T细胞17(Th17)、(GZMK+GZMB-CD4+)效应记忆T细胞、 (GZMK+GZMB-AQP3-CD8+)效应记忆T细胞、(CX3CR1+CD4+)活化效应T细胞、 (TRAV1-2+CD8+)粘膜相关非常规的T细胞、(TRGC1+)rδT细胞、(IFNGR1+CD4+)记忆T细胞、(LAMP1+CD4+CD8+)双阳性前NKT细胞、(AIF1+BCL2-CD4+)初始T细胞、 (AIF1+BCL2+CD8+)初始T细胞、(FOXP3+IL2RA+IL7R+)调节性T细胞、 (TRGC1-CD4-CD8-)双阴性T细胞、(GATA3-CCR6-S1PR1+CD4+)初始T细胞,值得注意的是这些亚群大部分有细胞毒性作用。穿孔素、颗粒溶素、颗粒酶和杀伤细胞凝集素类受体等相关基因,如PRF1,GNLY,GZMK,KLRB1,KLRC1KLRD1等在 (TBX21+CD8+)NKT细胞、(LAG3+CD160+CD8+)NKT细胞、(GATA3+CCR6-S1PR1+CD4+)初始T细胞、(CCR6+)辅助性T细胞17(Th17)、(GZMK+GZMB-CD4+)效应记忆T细胞、 (GZMK+GZMB-AQP3-CD8+)效应记忆T细胞、(CX3CR1+CD4+)激活效应T细胞、 (TRAV1-2+CD8+)激活效应T细胞、(TRGC1+)rδT细胞、(IFNGR1+CD4+)记忆性T 细胞以及(LAMP1+CD4+CD8+)T细胞。然而(AIF1+BCL2-CD4+)初始T细胞、 (AIF1+BCL2+CD8+)初始T细胞、(FOXP3+IL2RA+IL7R+)调节性T细胞、(TRGC1-CD4-CD8-)T细胞中这些细胞毒性基因表达量很低。与此同时,在单细胞亚群里出现了(CD14+CD16+)过渡期单核细胞、(TNF+CD16+)非经典单核细胞、 (CD14-CD16-)不成熟单核细胞以及9种特殊的(CD14+)经典单核细胞亚群,这些细胞表现出不同的炎性基因表达谱。(ISG15hiCCL3-)CD14+经典单核细胞、 (SELLhiCCR1-CD14+)经典单核细胞、(CD68+IL1B+CD14+)经典单核细胞、 (CXCL8+CSF1R-IL1B-CD14+)经典单核细胞、(CD68-CSF1R+IL1B+CD14+)经典单核细胞、 (ISG20hiCD14+)经典单核细胞,尤其是(CD68-CSF1R-IL1Bhi)CD14+经典单核细胞CXCL8表达非常高。根据典型标记基因的表达和分布,本实施例确定了9种髓样树突细胞亚群(myeloid dendritic cells,mDC):(S100A12-CX3CR1lo)mDC、(S100A12+CD14hi)mDC、(S100A12+CD14lo)mDC、(CX3CR1hiCD14lo)mDC、(TNFRSF8+)mDC、 (CX3CR1hiCD14hi)mDC、(S100A12+CD14-)mDC、(CD40+CLEC9A+)mDC、 (CD40+CLEC9A-)mDC and 3种浆细胞样树突细胞(plasmacytoid dendritic cells,pDC):(S100A9+CLEC10Alo)pDC、(S100A9-CLEC10A-)pDC、(S100A9-CLEC10A+)pDC。值得注意的是(S100A9-CLEC10A-)pDC中的一系列与免疫应答相关的基因都高表达,如CLEC4C、IL3RA、NRP1、ITGA4、FLT3。此外,确定了8个NK细胞亚群:(SLAMF7+SELL-)NK、(LAG3+)NK、(NCAM1-CD69+CD244-)NK、 (NCAM1-CD69-CD244-)NK、(SLAMF7+SELL+)NK、(CD160-CD244+)NK、(NCAM1+CD160+)NK、 (NCAM1+CD160-)NK。随后,将B细胞分为10个亚群进行进一步分析,其中包括5 个初始B细胞亚群:(CD24loITGAE+CD180-)初始B细胞、(ITGAE-CD180+IL4R+)初始 B细胞、(CD24hiITGAE+CD180-)初始B细胞、(CD24-ITGAE-CD180-)初始B细胞、 (CD24loITGAE-CD180-)初始B细胞;2个记忆性B细胞亚群:(IGHD-CD27+CD80-)记忆性B细胞、(IGHD+CD27+CD80-)记忆性B细胞;2个边缘区B细胞亚群: (CD24-ITGAE+CD180+)边缘区B细胞、(CD24+ITGAE+CD180+)边缘区B细胞以及 (CD27+CD86+)活性B细胞。通过同样的方法,本实施例成功地确定了6个血小板亚群,4个浆细胞亚群,3个干细胞亚群以及5个中性粒细胞亚群,如(CD63loYPEL5hi) 活性血小板、(CXCR4+MKI67+)浆细胞、(PROM1+CD38+)干细胞、(CD177+CD24-)中性粒细胞。
为了研究COVID-19患者和健康人之间免疫细胞组成的差异,本实施例通过对单细胞转录组和免疫分析的综合分析,计算了每个PBMC样本中的9种主要细胞类型和24个细胞亚型数量的相对百分比(参见图5)。样本COV077和COV166 的PBMC的组分与其他样本有显著差异。T细胞(如(GZMK-CD8+)初始T细胞、 (GATA3+GPR183+CD4+)初始T细胞、(CD3+KLRD1+)自然杀伤T细胞)占绝大多数并且在COV166样本中无B细胞,浆细胞等体液免疫细胞,COV077的中性粒细胞的比例明显增加,为避免极端样本干扰,本实施例将COV166和COV077从队列比较中剔除,作为特例报道。
具体分组具显著差异细胞比例结果如下表
表2队列研究中9大类型及24类群各组平均细胞比例(%)
表3队列研究中T细胞亚群各组平均细胞比例(%)
表4队列研究中单核细胞亚群各组平均细胞比例(%)
表5队列研究中自然杀伤细胞、B细胞、树突状细胞、血小板亚群各组平均细胞比例(%)
表2队列研究中9大类型及24类群各组平均细胞比例(%)
表3队列研究中T细胞亚群各组平均细胞比例(%)
表4队列研究中单核细胞亚群各组平均细胞比例(%)
表5队列研究中自然杀伤细胞、B细胞、树突状细胞、血小板亚群各组平均细胞比例(%)
2.3 COVID-19无症状患者和有症状患者免疫细胞的改变
为了研究无症状患者(AS),有症状患者(SM)以及健康人(HC)之间的PBMC 组成的差异,根据测序的结果计算了9大类细胞群以及24类细胞群以及所有的亚群的细胞比例。通过整理发现,与健康人相比,COVID患者,包括无症状患者既有症状患者,(NCAM1hiCD160+)NK细胞的差异显著,呈升高的趋势。此外,有症状患者(GATA3+GPR183+CD4+)初始T细胞、(MKI67+)增殖性T细胞、T细胞亚群: (GATA3+CCR6-S1PR1+CD4+)初始T细胞、(LAG3+CD160+CD8+)NKT细胞、 (FOXP3+IL2RA+IL7R+CD4+)调节性T细胞以及(CCR6+CD4+)辅助性T细胞17的细胞比例相比于健康人以及无症状患者显著升高,其中(LAG3+CD160+CD8+)NKT细胞和 (FOXP3+IL2RA+IL7R+CD4+)调节性T细胞在有症状患者中变化最显著,因此这两种细胞类群的增大或许可以表明COVID-19患者临床症状的出现。另一方面, (CD4-CD8-)T细胞、(CD7lo)NK细胞、T细胞亚群(AIF1+BCL2+CD8+)初始T细胞、 (TRGC1+CD4-CD8-)γδT细胞以及若干个髓样细胞亚群(CSF1R+CD86-CD14+)经典单核细胞、(CXCL8+CSF1R-IL1B-CD14+)经典单核细胞、(CD4loCSF1R-CD33-CD14+)经典单核细胞、(CD1C+)髓样树突细胞、(LILRA4+)胞浆样树突细胞、(CD68+IL1B+CD14+) 经典单核细胞、(CD33-HLA-DMA-)经典单核细胞、(IGHD+CD27+CD80-)记忆性B细胞、(CLEC10A-S100A9lo)胞浆样树突细胞的细胞比例在有症状患者中占比最低(参见图6)。
此外,一些实施例针对上述变化显著的细胞群进行了差异表达基因(DEG)分析,以研究SARS-CoV2感染引起的免疫应答变化与免疫细胞改变之间的关系。通过分析,本实施例确定了不同疾病严重程度患者的PBMC样品中,(LAG3+CD160+CD8+) NKT这类细胞亚群中有89个差异表达基因,其中有35个基因与免疫应答有关 (CXCR4、IFNG、IFIT3以及HLA-DRA等),8个基因与细胞凋亡有关(LGALS1、IFNG、 TNFAIP3等),部分基因表达的变化与疾病的严重程度有关(参见图7)。结果表明,有症状患者的免疫应答的改变与(LAG3+CD160+CD8+)NKT细胞改变有重要的关系。
一些实施例中使用基因本体论(Gene ontology,GO)分析和日本京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)对上述差异表达基因进行通路的富集。这些实施例确定了多种生物过程通路,其中病毒转录、抗原加工和递呈、自然杀伤细胞介导的细胞毒性以及氧化磷酸化可能对无症状患者(AS)的SARS-CoV2感染以及免疫病理有重要意义。此外,在有症状患者 (SM)中本实施例确定了几个重要途径,如细胞因子反应、白介素-γ(IFN-γ) 介导的信号通路、肿瘤坏死因子(TNF)信号通路、Th17细胞分化、Th1和Th2 细胞分化、通过MHCII类分子进行多糖抗原或者短肽的抗原加工和递呈以及细胞对激素刺激的反应等(参考图8)。
2.4免疫反应与疾病程度相关
为了阐明无症状,轻型/普通型,重型/危重型,重型/危重型恢复期的 COVID-19患者(AS,MD,SD,SDR)的免疫应答与健康人的差别,一些实施例首先计算了所有细胞群及亚群的相对百分比,并确认,在某些细胞类型中存在显著的差异。(GATA3+GPR183+CD4+)初始T细胞、T细胞亚群(GATA3+CCR6-S1PR1+CD4+)初始 T细胞以(FOXP3+IL2RA+IL7R+CD4+)调节性T细胞在重型/危重型(SD)和重型/危重恢复期(SDR)中的相对百分比明显高于其他组。在SD和SDR患者样本中 (CD4-CD8-)T细胞和(TRGC1+CD4-CD8-)γδT细胞的相对百分比显著低于其他组。
一些实施例的研究确定了仅在重型/危重型(SD)患者中相对比例显著升高的细胞类型,如:(CD4loCSF1R-CD33+CD14+)经典单核细胞,(CD83hi)髓样树突细胞和一系列髓系细胞亚群、(CD68-CSF1R-IL1BhiCD14+)经典单核细胞、 (CD40+CLEC9A-)髓样树突细胞、(CX3CR1hiCD14lo)髓样树突细胞、(TNFRSF8+)髓样树突细胞以及(CX3CR1hiCD14hi)髓样树突细胞。在重型/危重型患者(SD)与轻型/ 普通型(MD)中(MKI67+)增殖性T细胞占比均升高,但重型/危重型患者(SD) 与轻型/普通型(MD)相比还有树突细胞升高、(S100A12-CX3CRlo)髓样树突细胞占比下降等显著性差异(参见图9)。
外周血中初始T细胞在不同疾病状态间均有差异,这一现象可能是由于活化的T细胞耗竭和适应性免疫反应代偿性增加所致。对感染性病原体的免疫应答是由不同的树突细胞(DC)启动和控制的,研究发现树突细胞中的(CD83hi)髓系树突细胞与COVID-19病情的严重程度有关[36]。与此同时,(CD4-CD8-)T细胞、 (CD7lo)NK细胞和细胞亚群(CSF1R+CD86-CD14+)经典单核细胞、 (CD33-HLA-DMA-CD14+)经典单核细胞、(CXCL8+CSF1R-IL1B-CD14+)经典单核细胞的相对占比在不同疾病状态间也均有差异。为了进一步研究免疫反应、年龄和COVID-19严重程度(AS、MD、SD)之间的关联。一些实施例计算了它们之间的相关性,确定了有一些细胞类型与年龄和疾病严重程度相关。年龄与疾病严重程度也呈强正相关(参见图10)。一方面,在COVID-19重症/危重症患者中,亚群 (CD4loCSF1R-CD33+CD14+)经典单核细胞和(CD68-CSF1R-IL1BhiCD14+)与年龄和疾病严重程度均呈正相关。另一方面,(CD4-CD8-)T细胞、(TRGC1+CD4-CD8-)γδT 细胞、(CLEC10A-S100A9-)浆样树突细胞亚群与年龄、病情严重程度呈负相关。另外,γδT细胞和胞浆样树突细胞(pDC)的比例在COVID-19患者中的比例明显降低了。并且,本实施例确定了(TRGC1+CD4-CD8-)γδT细胞以及 (CLEC10A-S100A9lo)pDC细胞在SARS-CoV2感染中的变化,这表明COVID-19的病情进展与这些细胞类型的丰度减少程度密切相关。
随后,在另外一些实施例中将与疾病严重程度显著相关的细胞类型分别进行DEG、GO和KEGG分析来研究基因表达的变化,以同时具有组间差异性及与年龄和疾病严重程度相关的细胞类群(CD68-CSF1R-IL1BhiCD14+)经典单核细胞、 (CD14+CD4loCSF1R-CD33+)经典单核细胞为例,这些实施例确定了在炎症反应、趋化性、趋化因子活性、中性粒细胞趋化性、免疫应答、正调控炎症反应以及凋亡通路中显著富集的基因,提示在重症患者中中性粒细胞的过度聚集以及急性的细胞因子风暴的存在(参见图11)。比如本实施例确定了(CD68-CSF1R-IL1BhiCD14+) 经典单核细胞中炎症与免疫应答基因CXCL8、1L1B、S100A8、LGALS1、ALDH1A1 的表达情况以及疾病严重程度以及年龄显著正相关。在(CD68-CSF1R-IL1Bhi)经典单核细胞中,重型/危重型患者(SD)组中大量的差异表达基因富集于上述途径并与炎症和免疫病理密切相关。
2.5 COVID-19核酸长期不转阴患者与短期核酸转阴的患者的免疫景观
目前,还没有报道阐明患者感染SARS-CoV-2后不同持续时间之间免疫细胞变化。为了阐明这一原因,一些实施例分析细胞类群比例,发现在转阴差异组间有显著变化(参见图13)。这些实施例确定了有几种免疫细胞随着病程的延长而逐渐减少,包括(CD4loCSF1R-CD33+CD14+)经典单核细胞、(MKI67+)增殖性T 细胞、亚群(AIF1+BCL2-CD4+)初始T细胞、(LAMP1+CD8+CD4+)pro-NKT细胞、 (CD68-CSF1R-IL1BhiCD14+)经典单核细胞、(CD24+ITGAE+CD180+)边缘区B细胞 (B-C9)亚群。有趣的是这些细胞的数量在SD患者中是最高的(参见图9)。说明SD患者的免疫图谱与STNP组相似。相比之下,除中性粒细胞、浆细胞、血小板外,亚群(CD14-CD16-)未成熟单核细胞、(CD33-HLA-DMA-CD14+)经典单核细胞和 (CLEC10A-S100A9lo)pDC细胞的相对比例随着病程的延长而增加(参见图13)。结果表明,不同病程时间患者的单核细胞促炎作用和T细胞介导的适应性免疫均存在显著的变化。对于LTNP患者来说,有一种对长期免疫细胞浸润和炎症反应的适应性。
随后通过计算细胞比例变化与病程时间之间的相关性,本实施例首次确认了亚群(CD33-HLA-DMA-CD14+)经典单核细胞、(CLEC10A-S100A9lo)pDC细胞、(CD177+) 中性粒细胞、(CXCL8+CSF1R-IL1B-CD14+)经典单核细胞、(CD14-CD16-)不成熟单核细胞等与病程时间呈正相关,而(CD24-ITGAE+CD180+)边缘B细胞与 (MMRN1-PDZK1IP1-)活化的血小板则与病程时间呈负相关,此结果说明了免疫细胞的动态调节(参见图14)。
2.6基础病对患者免疫图谱的影响
当前伴有基础病的患者感染SARS-COV2后的免疫景观尚不清楚。因此,一些实施例对伴随有基础病的患者(CM)与无基础病的患者(NCM)的免疫细胞比例分别进行计算。结果显示,与NCM相比较,在CM中有若干个免疫细胞类群比例发生了显著的降低,分别是:T细胞、(TRAV1-2+CD8+)黏膜相关非常规T细胞、 (ISG15hiCCL3-CD14+)经典单核细胞和(ITGAE-CD180+IL4R+)初始B细胞减少(参见图15)。
一些实施例通过相关性分析确定了伴随有基础病的COVID-19患者的高死亡率可能与免疫系统崩溃有关。此外,还确认了(CLEC10A-S100A9lo)pDC细胞的比例在伴随基础病的COVID-19患者中则降低,呈负相关(参见图16)。
2.7特殊案例:死亡病人与体液免疫缺陷病人的免疫景观
在一些实施例的研究中发现COV-077与COV-166样本的免疫表现异常,提示COVID-19疾病治疗的复杂性(参考图5)。在这些实施例中对这两个样本的24 种主要的细胞类群的单细胞转录组测序结果进行分析,并与队列中的其他样本进行比较,进一步揭示它们独特的免疫转录谱(参考图17、图18)。
样本COV-077,是一例死亡患者(C20)的最后一次血液采集,通过分析,在该样本中(GZMK-CD8+)初始T细胞、(CD7lo)NK细胞、(CD14-CD16-)未成熟单核细胞、(CD1C+)mDC、(CD83hi)mDC以及(LILRA4+)pDC急剧减少。在T细胞亚群中, (AIF1+BCL2-CD4+)初始T细胞和(AIF1+BCL2+CD8+)初始T细胞的数量显著高于其他各组。值得注意的是,其PBMC中含有大量的中性粒细胞与实验室检测结果一致 (参见图21,22)。考虑到大量中性粒细胞的聚集表明严重炎症的发生,本实施例中将单核细胞亚群的百分比与其他样本进行了比较。发现(CD33-HLA-DMA-) 经典单核细胞和(CD68-CSF1R-IL1Bhi)经典单核细胞在COV-077样本中占比分别为 24.62%和68.46%,这两种单核细胞都与炎症和疾病的严重程度呈显著的正相关。在COV-077样本的这些单核细胞亚群中IL1B、CXCL8和S100A8的高表达可能导致中性粒细胞大量聚集以至于患者死亡(参见图20)。
同时,一些实施例对SDR组来源的患者(C-39)的COV166样本中PBMC的组成也进行了分析,确认了缺乏体液免疫相关细胞,即(CCR7+)初始B细胞、(CD27+) 记忆性B细胞以及(CD38hiIGHG4+)浆细胞,同时经过实验室检查结果表明,COV166 的SARS-CoV-2特异IgG,IgM含量极低(参见图19)。同时,一些实施例确认了在 COV-166样本中,(CD8+GZMK-)初始T细胞、(CD4+GATA3+GPR183+)初始T细胞、 (KLRD1+CD3+)NKT细胞、T细胞亚群(AIF1+BCL2+)CD8初始T细胞、 (LAG3+CD160+CD8+)NKT细胞以及(FOXP3+IL2RA+IL7R+CD4+)调节性T细胞在COV-166样本中的相对比例远远超过其他样品,令人意外是上述(LAG3+CD160+CD8+)NKT细胞以及(FOXP3+IL2RA+IL7R+CD4+)调节性T细胞是在一些实施例中确认的在SM组中显著性改变的细胞类型。在COV166样本的(LAG3+CD160+CD8+)NKT细胞中高水平表达与免疫调节反应相关基因IFNG、CXCR4、LGALS1,说明患者具有强大的T细胞活性,由于缺乏体液免疫,C39患者的成功恢复可能意味着抗SARS-COV-2免疫应答的复杂性和细胞免疫在抗SARS-COV-2中的重要性。
2.8跟踪分析:COVID-19患者在不同时间点的免疫图谱
为了研究COVID-19患者整个病程中免疫响应的动态变化,一些实施例中分别收集了三个患者(C-19,C-20,C-26)住院期间的不同时间点的两次PBMC样品。其中COV-011和COV-078样品属于患者C-19重症/危重状态;COV-012和 COV-077则是患者C-20由重症/危重状态转为死亡的两个时间点;COV-029和COV-126样品是C26患者重症/危重症和恢复期时候的两个时间点。
通过计算这些样品中的主要免疫细胞类群所占比例,结果表明,C-19 (COV-011,COV-078)患者和C-26(COV-029,COV-126)患者的T细胞减少, C-20(COV-012,COV-077)患者的比例没有变化。除了C20的单核细胞大量减少外,其他C19,C26患者的单核细胞比例有显著上升。此外C20患者的第二次样本 (COV-077)中中性粒细胞显著增加,而其他两例患者的两次样本中中性粒细胞未见升高(参见图21)。
在24类免疫细胞类群中,C19(COV-011,COV-078)患者的(CD8+GZMK-)初始 T细胞、(CD4+GATA3+GPR183+)初始T细胞、(CD83hi)mDC以及(CD38hiIGHG4+)浆细胞的比例降低;(CD4hiCSF1RloCD14+)经典单核细胞、(CD4loCSF1R-CD33-CD14+)经典单核细胞、(CD14+CD16+)过渡期单核细胞的比例上升。C20(COV-012,COV-077) 患者,第二次样本(COV-077)中(CD8+GZMK-)初始T细胞亚群和中性粒细胞显著升高,尤其是后者明显高于正常。C26(COV-029,COV-126)患者中 (CD4hiCSF1RloCD14+)经典单核细胞、(GATA3+GPR183+CD4+)初始T细胞以及(CD14+CD16+)过渡期单核细胞明显升高(参见图22)。
在T细胞亚群中,C19(COV-011,COV-078)患者和C26(COV-029,COV-126) 患者的(GATA3+CCR6-S1PR1+CD4+)初始T细胞、(CCR6+CD4+)Th17细胞以及 (FOXP3+IL2RA+IL7R++)调节性T细胞显著增加,而在C20(COV-012,COV-077)中则显著减少,这可能是因为C20的病情严重导致的。令人意外的是,患者C26恢复期状态时的(LAG3+CD160+CD8+)NKT细胞的变化趋势与死亡患者C20更相似,C19 中该类群上调相比,而C26与C20的均呈下降趋势(参见图23)。
在单核细胞亚群中,C26患者的(ISG20hiCD14+)经典单核细胞急剧增加。此外(CD33-HLA-DMA-CD14+)经典单核细胞和(CD68-CSF1R-IL1BhiCD14+)经典单核细胞则同C19、C26降低,而这两种单核细胞亚群在C20患者中则显著增加,再一次暗示这两种细胞类群也与病情严重程度有关(参见图24)。同时,在队列分析中提到的代表性差异表达基因(如ALDH1A1、CXCL8、CXCR4、IFNG)也显示出随着细胞群体变化的相似趋势(参见图25)。
以上所述实施例仅仅是本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (12)
1.一种类群细胞及其改造物在制备治疗新冠肺炎甚至新型冠状病毒家族或其他病毒的细胞生物制品的用途,其特征在于,所述类群细胞为利用患者自身或同种异体或异种(非人类)的外周血单个核细胞在体外分离培养得到,所述类群细胞包括T细胞类群、DC细胞类群、B细胞类群中的任一种或多种;所述改造物是以所述类群细胞再经生物工程改造得到;
所述T细胞类群包括AIF1+BCL2+CD8+初始T细胞和TRGC1+CD4-CD8-γδT细胞中的一种或多种;
所述DC细胞类群包括S100A12-CX3CR1lomDC细胞和CLEC10A-S100A9lopDC细胞的一种或多种;
所述B细胞类群包括IGHD+CD27+CD180-记忆性B细胞。
2.如权利要求1所述的用途,其特征在于,所述患者为老年患者,
所述类群细胞包括AIF1+BCL2+CD8+初始T细胞,TRGC1+CD4-CD8-γδT细胞,S100A12-CX3CR1lomDC细胞,CLEC10A-S100A9lopDC细胞的一种或多种。
3.如权利要求1所述的用途,其特征在于,将所述类群细胞及其改造物回输或植入人体治疗新冠肺炎。
4.一种类群细胞及其改造物在筛选或设计抑制新冠肺炎细胞因子风暴的多信号通路靶点药物的用途,所述细胞类群包括CD68-CSF1R-IL1BhiCD14+经典单核细胞、CD4loCSF1R-CD33+CD14+经典单核细胞中的一种或多种;所述信号通路包括NF-kappa B signalingpathway,Toll-like receptor signaling pathway,Cytokine-cytokine receptorinteraction,NOD-like receptor signaling pathway中的一种或多种。
5.一种筛选或设计抑制新冠肺炎细胞因子风暴的药物的方法,其特征在于,包括如下步骤:
检测类群细胞在信号通路的富集情况确定多个通路靶点,所述细胞类群包括CD68-CSF1R-IL1BhiCD14+经典单核细胞、CD4loCSF1R-CD33+CD14+经典单核细胞中的一种或多种,所述信号通路包括NF-kappa B signaling pathway,Toll-like receptor signalingpathway,Cytokine-cytokine receptor interaction,NOD-like receptor signalingpathway中的一种或多种;
筛选或设计针对所述通路靶点的多靶点药物。
6.一种类群细胞及其改造物在筛选或设计抑制新冠肺炎活化诱导凋亡T细胞减少的多信号通路靶点药物的用途,所述细胞类群包括LAG3+CD160+CD8+NKT,所述信号通路包括TNFsignaling pathway,Th1 and Th2 cell differentiation,IL-17 signaling pathway,Antigen processing and presentation。
7.一种筛选或设计抑制新冠肺炎活化诱导凋亡T细胞减少的药物的方法,其特征在于,包括如下步骤:
检测类群细胞在信号通路的富集情况确定多个通路靶点,所述细胞类群包括LAG3+CD160+CD8+NKT,所述信号通路包括TNF signaling pathway,Th1 and Th2 celldifferentiation,IL-17 signaling pathway,Antigen processing and presentation;
筛选或设计针对所述通路靶点的多靶点药物。
8.一种分类新冠肺炎或者有风险形成新冠肺炎的患者的样品的方法,其特征在于,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,所述方法包括如下步骤:
a)确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的步骤,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
b)比较步骤a)中确定的所述样品中的至少一种细胞类群的细胞比例与一种或几种参照的相应细胞类群的细胞比例;
c)从步骤b)中比较的结果将所述患者的样品分类为至少两类之一。
9.一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的方法,其特征在于,所述方法包括如下步骤:
a)确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的步骤,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞、LAG3+CD160+CD8+NKT细胞亚群中的一种或多种;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
b)比较步骤a)中确定的所述样品中的至少一种细胞类群的细胞比例与一种或几种参照的相应细胞类群的细胞比例;
c)从步骤b)中比较的结果诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果。
10.一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的试剂盒,其特征在于,所述试剂盒包括:
用于确定所述样品中选自如下至少一组中的至少一种细胞类群的细胞比例的装置,所述样品选自血液样品、血清样品或血浆样品中的一种或多种,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
至少一种用于和来自所述样品的至少一种细胞类群的细胞比例进行比较的参照的相应细胞类群的细胞比例数据的装置。
11.一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的计算机程序产品,其特征在于,其包括:
用于接收代表在患者样品中的至少一组中的至少一种细胞类群的细胞比例的数据的步骤;
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
用于接收代表用于和来自于所述样品的细胞类群的细胞比例的数据进行比较的参照的相应细胞类群的细胞比例数据的步骤;
用于比较代表患者样品中的所述细胞类群的细胞比例数据的所述数据的步骤;
用于从比较的结果中确定新冠肺炎的诊断、形成新冠肺炎的风险的预测或新冠肺炎的结果的预测的步骤。
12.一种在新冠肺炎或者有风险形成新冠肺炎的患者中诊断新冠肺炎、预测形成新冠肺炎的风险、预测新冠肺炎的结果的装置,其特征在于,其包括:
用于接收代表在患者样品中的至少一种细胞类群的细胞比例的数据的装置,
其中,新冠感染者和正常人比较组的所述细胞类群选自NCAM1hiCD160+NK;
有症状感染者组和无症状感染者组的所述细胞类群选自IGHD+CD27+CD180-记忆性B细胞;
重症组和普通型感染组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞、CD68-CSF1R-IL1BhiCD14+经典单核细胞中的一种或多种;
恢复期组和较重症组的所述细胞类群选自CD4loCSF1R-CD33+CD14+经典单核细胞细胞;
恢复期组和普通型组的所述细胞类群选自TRGC1-CD4-CD8-T细胞;
长期核酸检测不转阴组和短期核酸转阴组的所述细胞类群选自CD33-HLA-DMA-CD14+经典单核细胞亚群、CLEC10A-S100A9lo浆细胞样树突状细胞;
用于接收代表用于和来自于所述样品的细胞类群的细胞比例进行比较的参照的相应细胞类群的细胞比例的数据的装置;
用于比较代表患者样品中的细胞类群的细胞比例的所述数据的装置;
用于从比较的结果中确定新冠肺炎的诊断、形成新冠肺炎的风险的预测或新冠肺炎的结果的预测的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049339.0A CN112870226A (zh) | 2021-01-14 | 2021-01-14 | 新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049339.0A CN112870226A (zh) | 2021-01-14 | 2021-01-14 | 新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112870226A true CN112870226A (zh) | 2021-06-01 |
Family
ID=76048951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110049339.0A Pending CN112870226A (zh) | 2021-01-14 | 2021-01-14 | 新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112870226A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410645A (zh) * | 2022-08-23 | 2022-11-29 | 北京泽桥医疗科技股份有限公司 | 一种识别中成药治疗新冠肺炎作用靶点的方法 |
-
2021
- 2021-01-14 CN CN202110049339.0A patent/CN112870226A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410645A (zh) * | 2022-08-23 | 2022-11-29 | 北京泽桥医疗科技股份有限公司 | 一种识别中成药治疗新冠肺炎作用靶点的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wauters et al. | Discriminating mild from critical COVID-19 by innate and adaptive immune single-cell profiling of bronchoalveolar lavages | |
Kuri-Cervantes et al. | Comprehensive mapping of immune perturbations associated with severe COVID-19 | |
Xu et al. | The differential immune responses to COVID-19 in peripheral and lung revealed by single-cell RNA sequencing | |
Morrissey et al. | A specific low-density neutrophil population correlates with hypercoagulation and disease severity in hospitalized COVID-19 patients | |
Wambre et al. | A phenotypically and functionally distinct human TH2 cell subpopulation is associated with allergic disorders | |
Sato et al. | CD153/CD30 signaling promotes age-dependent tertiary lymphoid tissue expansion and kidney injury | |
Fraser et al. | Multi-modal characterization of monocytes in idiopathic pulmonary fibrosis reveals a primed type I interferon immune phenotype | |
Wang et al. | Single-cell RNA sequencing reveals the sustained immune cell dysfunction in the pathogenesis of sepsis secondary to bacterial pneumonia | |
Fu et al. | An IL-9–pulmonary macrophage axis defines the allergic lung inflammatory environment | |
KR20120107979A (ko) | 활성 대 잠복성 마이코박테리움 투베르쿨로시스 감염의 혈액 전사적 시그너쳐 | |
Chen et al. | Differential immune responses in pregnant patients recovered from COVID-19 | |
Malengier-Devlies et al. | Severe COVID-19 patients display hyper-activated NK cells and NK cell-platelet aggregates | |
Gil-Manso et al. | Comprehensive flow cytometry profiling of the immune system in COVID-19 convalescent individuals | |
US20220196677A1 (en) | Kits, compositions and methods for evaluating immune system status | |
CN109568585B (zh) | Cd38抑制剂在制备抗类风湿关节炎药物中的应用 | |
Wu et al. | Single-cell sequencing of immune cell heterogeneity in IgG4-related disease | |
Xie et al. | Single-cell transcriptomes of peripheral blood cells indicate and elucidate severity of COVID-19 | |
Yu et al. | Reduced CD4+ T cell CXCR3 expression in patients with allergic rhinitis | |
CN112870226A (zh) | 新冠病毒感染外周血中特异性免疫细胞亚型鉴定及其应用 | |
Vallania et al. | Multicohort analysis identifies monocyte gene signatures to accurately monitor subset-specific changes in human diseases | |
Lu et al. | Documenting the immune response in patients with COVID-19-induced acute respiratory distress syndrome | |
Kvedaraite et al. | Perturbations in the mononuclear phagocyte landscape associated with COVID-19 disease severity | |
Sailliet et al. | Human granzyme B regulatory B cells prevent effector CD4+ CD25-T cell proliferation through a mechanism dependent from lymphotoxin alpha | |
Guo et al. | Unbiased Single‐Cell Sequencing of Hematopoietic and Immune Cells from Aplastic Anemia Reveals the Contributors of Hematopoiesis Failure and Dysfunctional Immune Regulation | |
Marsán-Suárez et al. | Biomarkers of sequela in adult patients convalescing from COVID-19 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |