RU2777487C1 - Method for assessment of risk of necessity of use of oxygen therapy in covid-19 - Google Patents
Method for assessment of risk of necessity of use of oxygen therapy in covid-19 Download PDFInfo
- Publication number
- RU2777487C1 RU2777487C1 RU2021136589A RU2021136589A RU2777487C1 RU 2777487 C1 RU2777487 C1 RU 2777487C1 RU 2021136589 A RU2021136589 A RU 2021136589A RU 2021136589 A RU2021136589 A RU 2021136589A RU 2777487 C1 RU2777487 C1 RU 2777487C1
- Authority
- RU
- Russia
- Prior art keywords
- hla
- covid
- risk
- oxygen therapy
- genotyping
- Prior art date
Links
- 200000000015 coronavirus disease 2019 Diseases 0.000 title claims abstract description 49
- 238000002640 oxygen therapy Methods 0.000 title claims abstract description 27
- 102100020457 HLA-C Human genes 0.000 claims abstract description 30
- 108010052199 HLA-C Antigens Proteins 0.000 claims abstract description 30
- 229920003013 deoxyribonucleic acid Polymers 0.000 claims abstract description 23
- 239000000560 biocompatible material Substances 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 210000004369 Blood Anatomy 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 14
- 239000003153 chemical reaction reagent Substances 0.000 claims description 9
- 238000007400 DNA extraction Methods 0.000 claims description 6
- 238000007481 next generation sequencing Methods 0.000 claims description 6
- 238000000746 purification Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007374 clinical diagnostic method Methods 0.000 abstract description 2
- 239000003814 drug Substances 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 238000005399 mechanical ventilation Methods 0.000 description 23
- 108090000765 processed proteins & peptides Proteins 0.000 description 14
- 102000004196 processed proteins & peptides Human genes 0.000 description 14
- 102100020458 HLA-A Human genes 0.000 description 12
- 108010075704 HLA-A Antigens Proteins 0.000 description 12
- 201000010099 disease Diseases 0.000 description 11
- 230000002068 genetic Effects 0.000 description 8
- 230000003612 virological Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 108020003175 receptors Proteins 0.000 description 7
- 102000005962 receptors Human genes 0.000 description 7
- 102100020459 HLA-B Human genes 0.000 description 6
- 108010058607 HLA-B Antigens Proteins 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 241001678559 COVID-19 virus Species 0.000 description 5
- 210000004072 Lung Anatomy 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 239000000969 carrier Substances 0.000 description 5
- 201000009910 diseases by infectious agent Diseases 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 210000001736 Capillaries Anatomy 0.000 description 3
- 206010053983 Corona virus infection Diseases 0.000 description 3
- 102000004245 Proteasome Endopeptidase Complex Human genes 0.000 description 3
- 108090000708 Proteasome Endopeptidase Complex Proteins 0.000 description 3
- 241000315672 SARS coronavirus Species 0.000 description 3
- 241000580858 Simian-Human immunodeficiency virus Species 0.000 description 3
- 210000001744 T-Lymphocytes Anatomy 0.000 description 3
- 208000001756 Virus Disease Diseases 0.000 description 3
- 150000001413 amino acids Chemical group 0.000 description 3
- 239000000427 antigen Substances 0.000 description 3
- 210000004027 cells Anatomy 0.000 description 3
- 230000000875 corresponding Effects 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 201000003176 severe acute respiratory syndrome Diseases 0.000 description 3
- 230000035533 AUC Effects 0.000 description 2
- 206010012601 Diabetes mellitus Diseases 0.000 description 2
- 238000000729 Fisher's exact test Methods 0.000 description 2
- 241000711549 Hepacivirus C Species 0.000 description 2
- 108091005743 SARS-CoV-2 proteins Proteins 0.000 description 2
- 108010067390 Viral Proteins Proteins 0.000 description 2
- 102000016350 Viral Proteins Human genes 0.000 description 2
- 102000038129 antigens Human genes 0.000 description 2
- 108091007172 antigens Proteins 0.000 description 2
- 238000010241 blood sampling Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003018 immunosuppressive agent Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 201000004792 malaria Diseases 0.000 description 2
- MYMOFIZGZYHOMD-UHFFFAOYSA-N oxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010003816 Autoimmune disease Diseases 0.000 description 1
- 210000001185 Bone Marrow Anatomy 0.000 description 1
- 208000008787 Cardiovascular Disease Diseases 0.000 description 1
- 229920000453 Consensus sequence Polymers 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N D-Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 101700020122 DRB1 Proteins 0.000 description 1
- 101700016627 DRB8 Proteins 0.000 description 1
- 229920000665 Exon Polymers 0.000 description 1
- 102210024048 HLA-A*01:01 Human genes 0.000 description 1
- 102210042925 HLA-A*02:01 Human genes 0.000 description 1
- 108010008553 HLA-B*07 antigen Proteins 0.000 description 1
- 206010019799 Hepatitis viral Diseases 0.000 description 1
- 229960003444 IMMUNOSUPPRESSANTS Drugs 0.000 description 1
- 210000000987 Immune System Anatomy 0.000 description 1
- 206010061598 Immunodeficiency Diseases 0.000 description 1
- 206010062016 Immunosuppression Diseases 0.000 description 1
- 208000001083 Kidney Disease Diseases 0.000 description 1
- 238000000585 Mann–Whitney U test Methods 0.000 description 1
- 241000187479 Mycobacterium tuberculosis Species 0.000 description 1
- 229940010383 Mycobacterium tuberculosis Drugs 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 206010035503 Plasmodium vivax infection Diseases 0.000 description 1
- 102100001312 RBM45 Human genes 0.000 description 1
- 101700059484 RBM45 Proteins 0.000 description 1
- 102000012479 Serine Proteases Human genes 0.000 description 1
- 108010022999 Serine Proteases Proteins 0.000 description 1
- 108091008153 T cell receptors Proteins 0.000 description 1
- 102000016266 T-Cell Antigen Receptors Human genes 0.000 description 1
- 206010047461 Viral infection Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 125000000539 amino acid group Chemical group 0.000 description 1
- 235000020127 ayran Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000001684 chronic Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- KCXVZYZYPLLWCC-UHFFFAOYSA-N edta Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000005182 global health Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 230000001861 immunosuppresant Effects 0.000 description 1
- 230000001506 immunosuppresive Effects 0.000 description 1
- 102000027675 major histocompatibility complex family Human genes 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 238000001558 permutation test Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003762 quantitative reverse transcription PCR Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000020382 suppression by virus of host antigen processing and presentation of peptide antigen via MHC class I Effects 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 201000001862 viral hepatitis Diseases 0.000 description 1
- 230000017613 viral reproduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Abstract
Description
Область техникиTechnical field
Изобретение относится к медицине, а именно, к молекулярно-генетической диагностике, которая может быть использована для выявления индивидуумов, подверженных наибольшему риску необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19. Для оказания медицинской помощи пациентам из группы риска при COVID-19 на ранних этапах могут быть использованы скорректированные алгоритмы административных и медицинских действий.The invention relates to medicine, namely to molecular genetic diagnostics, which can be used to identify individuals at greatest risk of needing oxygen therapy (and/or non-invasive mechanical ventilation and/or artificial lung ventilation) for COVID-19. Adjusted administrative and medical procedures can be used to provide early care to patients at risk for COVID-19.
Уровень техникиState of the art
Известно, что риск применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при инфицировании новой коронавирусной инфекцией повышается в зависимости от ряда факторов, в числе которых возраст, мужской пол (вероятность смерти при заражении коронавирусом выше для мужчин, чем для женщин), индекс массы тела, уровень глюкозы. Тяжелое течение с необходимостью применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) наиболее часто регистрируют у людей старшей возрастной группы с заболеваниями сердечно-сосудистой системы, цереброваскулярной патологией и злокачественными новообразованиями. Из всех хронических заболеваний наиболее опасным при COVID-19 является сахарный диабет. На втором месте после диабета по опасности при COVID-19 находятся болезни почек и сердечно-сосудистые заболевания [Wang T., Du Z., Zhu F., Cao Z., An Y., Gao Y., et al. Comorbidities and multi-organ injuries in the treatment of COVID-19 // Lancet. 2020. Vol. 395, № 10228. P. e52. DOI: 10.1016/S0140-6736(20)30558-4].It is known that the risk of using oxygen therapy (and / or non-invasive mechanical ventilation and / or mechanical ventilation of the lungs) when infected with a new coronavirus infection increases depending on a number of factors, including age, male sex (the probability of death from infection with coronavirus is higher for men than for women), body mass index, glucose level. Severe course with the need for oxygen therapy (and / or non-invasive mechanical ventilation and / or mechanical ventilation) is most often recorded in older people with diseases of the cardiovascular system, cerebrovascular pathology and malignant neoplasms. Of all chronic diseases, the most dangerous in COVID-19 is diabetes mellitus. In second place after diabetes in terms of risk for COVID-19 are kidney diseases and cardiovascular diseases [Wang T., Du Z., Zhu F., Cao Z., An Y., Gao Y., et al. Comorbidities and multi-organ injuries in the treatment of COVID-19 // Lancet. 2020 Vol. 395, no. 10228. P. e52. DOI: 10.1016/S0140-6736(20)30558-4].
Известно, что на характер течения заболевания COVID-19 также влияет фактор генетической предрасположенности. При этом из уровня техники известно, что молекулы HLA класса I являются одним из ключевых медиаторов первых звеньев в развитии специфического иммунного ответа на COVID-19. Сразу после попадания в клетку SARS-CoV-2 индуцирует трансляцию белков вируса. Некоторые из этих белков попадают в протеасомы инфицированной клетки, расщепляются до пептидов длиной 8-12 аминокислотных остатков и связываются с рецепторами HLA класса I. После связывания комплекс, состоящий из молекулы HLA класса I и пептида, переносится на поверхность инфицированной клетки, где он может взаимодействовать с Т-клеточным рецептором CD8+ Т-лимфоцитов. В ответ на взаимодействие с комплексом молекулы HLA класса I и вирусного пептида CD8+ Т-лимфоцит начинает процесс разрушения инфицированной клетки с помощью перфоринов и сериновых протеаз [Wherry EJ, Ahmed R. Memory CD8 T-Cell Differentiation during Viral Infection. J Virol. 2004;78(11):5535-5545. doi:10.1128/jvi.78.11.5535-5545.2004].It is known that the nature of the course of the disease COVID-19 is also influenced by the factor of genetic predisposition. At the same time, it is known from the prior art that HLA class I molecules are one of the key mediators of the first links in the development of a specific immune response to COVID-19. Immediately after entering the cell, SARS-CoV-2 induces the translation of viral proteins. Some of these proteins enter the proteasome of the infected cell, are cleaved to peptides of 8-12 amino acid residues, and bind to HLA class I receptors. with T-cell receptor CD8+ T-lymphocytes. In response to interaction with the complex of the HLA class I molecule and the CD8+ viral peptide, the T-lymphocyte begins the process of destroying the infected cell using perforins and serine proteases [Wherry EJ, Ahmed R. Memory CD8 T-Cell Differentiation during Viral Infection. J Virol. 2004;78(11):5535-5545. doi:10.1128/jvi.78.11.5535-5545.2004].
Существует три основных типа рецепторов HLA класса I: HLA-A, HLA-B и HLA-C. Рецепторы каждого типа присутствуют в двух вариантах, унаследованных от родителей. Существуют десятки вариантов каждой аллели рецепторов HLA-I; каждая аллель обладает индивидуальной способностью распознавать различные чужеродные белки. Распределение аллелей является специфичным для отдельных популяций [Wang JH, Zheng X, Ke X, Dorak MT, Shen J, Boodram B, et al. Ethnic and geographical differences in HLA associations with the outcome of hepatitis C virus infection. Virol J. 2009;6. doi:10.1186/1743-422X-6-46]. Комбинации рецепторов HLA класса I существенно влияют на тяжесть течения различных инфекционных заболеваний, включая малярию [Lima-Junior JdC, Pratt-Riccio LR. Major histocompatibility complex and malaria: Focus on Plasmodium vivax Infection. Front Immunol. 2016;7(JAN). doi:10.3389/fimmu.2016.00013], туберкулез [Mazzaccaro R0, Gedde M, Jensen ER, Van Santen HM, Ploegh HL, Rock KL, et al. Major histocompatibility class I presentation of soluble antigen facilitated by Mycobacterium tuberculosis infection. Proc Natl Acad Sci U S A. 1996;93(21):11786-11791. doi:10.1073/pnas.93.21.11786.], ВИЧ [Goulder PJR, Watkins DI. Impact of MHC class I diversity on immune control of immunodeficiency virus replication. Nat Rev Immunol. 2008;8(8):619-630. doi:10.1038/nri2357] и вирусный гепатит [Wang JH, Zheng X, Ke X, Dorak MT, Shen J, Boodram B, et al. Ethnic and geographical differences in HLA associations with the outcome of hepatitis C virus infection. Virol J. 2009;6. doi:10.1186/1743-422X-6-46].There are three main types of HLA class I receptors: HLA-A, HLA-B, and HLA-C. Receptors of each type are present in two variants inherited from parents. There are dozens of variants of each HLA-I receptor allele; each allele has an individual ability to recognize different foreign proteins. The distribution of alleles is specific to individual populations [Wang JH, Zheng X, Ke X, Dorak MT, Shen J, Boodram B, et al. Ethnic and geographical differences in HLA associations with the outcome of hepatitis C virus infection. Virol J. 2009;6. doi:10.1186/1743-422X-6-46]. Combinations of HLA class I receptors significantly affect the severity of various infectious diseases, including malaria [Lima-Junior JdC, Pratt-Riccio LR. Major histocompatibility complex and malaria: Focus on Plasmodium vivax Infection. Front Immunol. 2016;7(JAN). doi:10.3389/fimmu.2016.00013], tuberculosis [Mazzaccaro R0, Gedde M, Jensen ER, Van Santen HM, Ploegh HL, Rock KL, et al. Major histocompatibility class I presentation of soluble antigen facilitated by Mycobacterium tuberculosis infection. Proc Natl Acad Sci U S A. 1996;93(21):11786-11791. doi:10.1073/pnas.93.21.11786.], HIV [Goulder PJR, Watkins DI. Impact of MHC class I diversity on immune control of immunodeficiency virus replication. Nat Rev Immunol. 2008;8(8):619-630. doi:10.1038/nri2357] and viral hepatitis [Wang JH, Zheng X, Ke X, Dorak MT, Shen J, Boodram B, et al. Ethnic and geographical differences in HLA associations with the outcome of hepatitis C virus infection. Virol J. 2009;6. doi:10.1186/1743-422X-6-46].
Существуют ряд публикаций, в которых описаны взаимосвязи между генотипом HLA и чувствительностью к SARS-CoV. В частности известно, что аллели HLA-B*07:03 [Ng MHL, Lau KM, Li L, Cheng SH, Chan WY, Hui PK, et al. Association of human-leukocyte-antigen class I (B*0703) and class II (DRB1*0301) genotypes with susceptibility and resistance to the development of severe acute respiratory syndrome. J Infect Dis. 2004;190(3):515-518. doi:10.1086/421523], HLA-B*46:01 [Lin M, Tseng HK, Trejaut JA, Lee HL, Loo JH, Chu CC, et al. Association of HLA class I with severe acute respiratory syndrome coronavirus infection. BMC Med Genet. 2003;4. doi:10.1186/1471-2350-4-9] и HLA-C*08:01 [Chen YMA, Liang SY, Shih YP, Chen CY, Lee YM, Chang L, et al. Epidemiological and genetic correlates of severe acute respiratory syndrome coronavirus infection in the hospital with the highest nosocomial infection rate in Taiwan in 2003. J Clin Microbiol. 2006;44(2):359-365. doi:10.1128/JCM.44.2.359-365.2006] являются факторами предрасположенности к тяжелой форме заболевания; аллель 21 HLA-C*15:02 ассоциирован с легкой формой [Wang SF, Chen KH, Chen M, Li WY, Chen YJ, Tsao CH, et al. Human-leukocyte antigen class i Cw 1502 and Class II DR 0301 genotypes are associated with resistance to severe acute respiratory syndrome (SARS) infection. Viral Immunol. 2011;24(5):421-426. doi:10.1089/vim.2011.0024].There are a number of publications that describe the relationship between the HLA genotype and susceptibility to SARS-CoV. In particular, the HLA-B*07:03 alleles [Ng MHL, Lau KM, Li L, Cheng SH, Chan WY, Hui PK, et al. Association of human-leukocyte-antigen class I (B*0703) and class II (DRB1*0301) genotypes with susceptibility and resistance to the development of severe acute respiratory syndrome. J Infect Dis. 2004;190(3):515-518. doi:10.1086/421523], HLA-B*46:01 [Lin M, Tseng HK, Trejaut JA, Lee HL, Loo JH, Chu CC, et al. Association of HLA class I with severe acute respiratory syndrome coronavirus infection. BMC Med Genet. 2003;4. doi:10.1186/1471-2350-4-9] and HLA-C*08:01 [Chen YMA, Liang SY, Shih YP, Chen CY, Lee YM, Chang L, et al. Epidemiological and genetic correlates of severe acute respiratory syndrome coronavirus infection in the hospital with the highest nosocomial infection rate in Taiwan in 2003. J Clin Microbiol. 2006;44(2):359-365. doi:10.1128/JCM.44.2.359-365.2006] are predisposing factors for severe disease; allele 21 HLA-C*15:02 is associated with mild form [Wang SF, Chen KH, Chen M, Li WY, Chen YJ, Tsao CH, et al. Human-leukocyte antigen class i Cw 1502 and Class II DR 0301 genotypes are associated with resistance to severe acute respiratory syndrome (SARS) infection. Viral Immunol. 2011;24(5):421-426. doi:10.1089/vim.2011.0024].
В исследовании, проведенном китайскими учеными, было выявлено наличие редких аллелей HLA-C*07:29 и HLA-B*15:27 у китайских пациентов с COVID-19 [Wang W, Zhang W, Zhang J, He J, Zhu F. Distribution of HLA allele frequencies in 82 Chinese individuals with coronavirus disease-2019 (COVID-19). Hla. 2020;96(2):194-196. doi:10.1111/tan.13941].In a study conducted by Chinese scientists, rare HLA-C*07:29 and HLA-B*15:27 alleles were found in Chinese patients with COVID-19 [Wang W, Zhang W, Zhang J, He J, Zhu F. Distribution of HLA allele frequencies in 82 Chinese individuals with coronavirus disease-2019 (COVID-19). Hla. 2020;96(2):194-196. doi:10.1111/tan.13941].
Из уровня техники известна взаимосвязь количества пептидов с высокой константой взаимодействия с индивидуальным генотипом HLA: чем больше вирусных пептидов с высокой аффинностью связывается с HLA I класса, тем легче протекает заболевание. Также было показано, что частота встречаемости аллелей HLA-A*01:01 и HLA-A*02:01 связана с числом случаев COVID-19 и смертей от нее в различных регионах Италии [Pisanti S, Deelen J, Gallina AM, Caputo M, Citro M, Abate M, et al. Correlation of the two most frequent HLA haplotypes in the Italian population to the differential regional incidence of Covid-19. J Transl Med. 2020;18(1). doi:10.1186/s12967-020-02515-]. The relationship between the number of peptides with a high interaction constant and the individual HLA genotype is known from the prior art: the more viral peptides with high affinity bind to HLA class I, the easier the disease is. It has also been shown that the frequency of HLA-A*01:01 and HLA-A*02:01 alleles is associated with the number of cases and deaths from COVID-19 in different regions of Italy [Pisanti S, Deelen J, Gallina AM, Caputo M , Citro M, Abate M, et al. Correlation of the two most frequent HLA haplotypes in the Italian population to the differential regional incidence of Covid-19. J Transl Med. 2020;18(1). doi:10.1186/s12967-020-02515-].
Таким образом, из уровня техники известно влияние различных сочетаний аллелей HLA I класса на течение заболевания, вызванного SARS-CoV-2. При этом очевидно, что сочетание отдельных аллелей, прогностически значимых для оценки риска развития тяжелого течения COVID-19, для разных популяций может отличаться. Из уровня техники не выявлено результатов исследований комбинации аллелей HLA I класса для российской популяции, которые бы обеспечивали получение достоверных прогнозных оценок по течению данного заболевания и необходимости применения кислородной терапии.Thus, the effect of various combinations of HLA class I alleles on the course of the disease caused by SARS-CoV-2 is known from the prior art. At the same time, it is obvious that the combination of individual alleles that are prognostically significant for assessing the risk of developing a severe course of COVID-19 may differ for different populations. The prior art did not reveal the results of studies of a combination of HLA class I alleles for the Russian population, which would provide reliable predictive estimates for the course of this disease and the need for oxygen therapy.
Наиболее близким к заявляемому решению является способ оценки риска развития тяжелой формы COVID-19 [Iturrieta-Zuazo, I., Rita, C. G., García-Soidán, A., de Malet Pintos-Fonseca, A., Alonso-Alarcón, N., Pariente-Rodríguez, R., Tejeda-Velarde, A., Serrano-Villar, S., Castañer-Alabau, J. L., & Nieto-Gañán, I. (2020). Possible role of HLA class-I genotype in SARS-CoV-2 infection and progression: A pilot study in a cohort of Covid-19 Spanish patients. Clinical Immunology, 219, 108572. https://doi.org/10.1016/j.clim.2020.108572], включающий забор биологического материала, выделение геномной ДНК с последующим генотипированием аллелей генов HLA-A, HLA-B, HLA-C, обработку результатов генотипирования и прогнозирование риска развития тяжелой форма COVID-19 с необходимостью применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких). Известный способ основан на исследовании биологического материала 5 пациентов с легкой формой, 20 пациентов средней тяжести и 20 пациентов с тяжелой формой COVID-19. Выделение геномной ДНК с последующим генотипированием аллелей генов HLA-A, HLA-B, HLA-C было проведено с помощью наборов реагентов RSSOW1A, RSSOW1B и RSSOW1C (One lambda inc) и мультиплексного анализатора FlexMap 3D. Критерии для оценки риска развития тяжелой формы COVID-19 были получены на основе анализа аффинности взаимодействия пептидов вируса SARS-CoV-2 c молекулами HLA-I пациента, относящегося к одной из трех групп по тяжести течения заболевания; в случае, если аффинность взаимодействия пептида с одной из молекул HLA-I была менее 50 нМоль, то Индекс высокоаффинных пептидов увеличивали на 1; пороговые значения для прогноза риска развития тяжелой формы COVID-19 для всех пациентов определяли после определения Индекса высокоаффинных пептидов.Closest to the claimed solution is a method for assessing the risk of developing a severe form of COVID-19 [Iturrieta-Zuazo, I., Rita, C. G., García-Soidán, A., de Malet Pintos-Fonseca, A., Alonso-Alarcón, N., Pariente-Rodríguez, R., Tejeda-Velarde, A., Serrano-Villar, S., Castañer-Alabau, J. L., & Nieto-Gañán, I. (2020). Possible role of HLA class-I genotype in SARS-CoV-2 infection and progression: A pilot study in a cohort of Covid-19 Spanish patients. Clinical Immunology, 219, 108572. https://doi.org/10.1016/j.clim.2020.108572], which includes sampling of biological material, isolation of genomic DNA, followed by genotyping of alleles of the HLA-A, HLA-B, HLA-C genes, processing genotyping results and predicting the risk of developing severe COVID-19 with the need for oxygen therapy (and/or non-invasive mechanical ventilation and/or mechanical ventilation). The known method is based on the study of biological material of 5 patients with mild, 20 moderate patients and 20 patients with severe COVID-19. Isolation of genomic DNA followed by genotyping of HLA-A, HLA-B, and HLA-C gene alleles was carried out using RSSOW1A, RSSOW1B, and RSSOW1C (One lambda inc) reagent kits and a FlexMap 3D multiplex analyzer. Criteria for assessing the risk of developing a severe form of COVID-19 were obtained based on the analysis of the affinity of the interaction of the peptides of the SARS-CoV-2 virus with the HLA-I molecules of a patient belonging to one of the three groups according to the severity of the disease; if the affinity of the interaction of the peptide with one of the HLA-I molecules was less than 50 nM, then the Index of high affinity peptides was increased by 1; threshold values for predicting the risk of developing severe COVID-19 for all patients were determined after determining the High Affinity Peptide Index.
Однако в известном способе пороговые значения для прогноза риска развития тяжелой формы COVID-19 определялись на основе выборки без учета данных об умерших пациентах. При этом малый объем выборки, использование только качественных, а не количественных характеристик взаимодействия вирусный пептид - молекула HLA-I, отсутствие этапа проверки чувствительности и специфичности критериев прогноза риска развития тяжелой форма COVID-19 на контрольной выборке, ставят под сомнение точность и достоверность получаемых прогнозных оценок развития тяжелой формы COVID-19.However, in the known method, threshold values for predicting the risk of developing a severe form of COVID-19 were determined on the basis of a sample without taking into account data on deceased patients. At the same time, a small sample size, the use of only qualitative rather than quantitative characteristics of the interaction between the viral peptide and the HLA-I molecule, the absence of a stage for testing the sensitivity and specificity of the criteria for predicting the risk of developing a severe form of COVID-19 in the control sample, cast doubt on the accuracy and reliability of the obtained predictive data. estimates of the development of severe COVID-19.
Технической проблемой, решаемой заявляемым изобретением, является разработка способа оценки риска необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19, который может быть применен для российской популяции, с получением достоверных и высокоточных прогнозных оценок.The technical problem solved by the claimed invention is the development of a method for assessing the risk of the need to use oxygen therapy (and / or non-invasive mechanical ventilation and / or mechanical ventilation) for COVID-19, which can be applied to the Russian population, with obtaining reliable and highly accurate predictive ratings.
Раскрытие изобретенияDisclosure of invention
Техническим результатом заявляемого изобретения является повышение точности прогнозных оценок риска необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19 для лиц российской популяции возрастом от 35 до 60 лет.The technical result of the claimed invention is to improve the accuracy of predictive risk assessments of the need to use oxygen therapy (and/or non-invasive mechanical ventilation and/or artificial lung ventilation) for COVID-19 for individuals of the Russian population aged 35 to 60 years.
Технический результат достигается тем, что способ оценки риска развития тяжелой формы COVID-19 и необходимости применения кислородной терапии включает забор биологического материала, выделение геномной ДНК с последующим генотипированием аллелей гена HLA-С и прогнозирование по результатам генотипирования риска применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19. При этом по результатам генотипирования определяют наличие аллели HLA-С*12:03, и прогнозируют высокий риск применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19.The technical result is achieved by the fact that the method for assessing the risk of developing a severe form of COVID-19 and the need for oxygen therapy includes sampling biological material, isolating genomic DNA, followed by genotyping of the HLA-C gene alleles, and predicting the risk of using oxygen therapy (and/or non-invasive mechanical ventilation and / or mechanical ventilation) for COVID-19. At the same time, based on the results of genotyping, the presence of the HLA-C * 12:03 allele is determined, and a high risk of using oxygen therapy (and/or non-invasive mechanical ventilation and/or mechanical ventilation) for COVID-19 is predicted.
В качестве биологического материала для оценки риска развития тяжелой формы COVID-19 может быть использована венозная или капиллярная кровь, букальный соскоб.Venous or capillary blood, buccal scrapings can be used as biological material to assess the risk of developing a severe form of COVID-19.
Геномная ДНК может быть выделена с помощью различных наборов реагентов, например, QIAamp DNA Blood, или HigherPurity™ Blood DNA Extraction Kit (Convax), или GeneJET Whole Blood Genomic DNA Purification Mini Kit (Thermo Scientific), или любого аналогичного набора для выделения геномной ДНК. Генотипирование осуществляют с применением набора реагентов для подготовки библиотек фрагментов ДНК генов HLA-A для генотипирования секвенированием нового поколения, например, HLA-Эксперт (ООО «ДНК-Технология») или любого аналогичного набора, известного из уровня техники для указанного применения.Genomic DNA can be isolated using a variety of reagent kits, such as QIAamp DNA Blood, or HigherPurity™ Blood DNA Extraction Kit (Convax), or GeneJET Whole Blood Genomic DNA Purification Mini Kit (Thermo Scientific), or any similar genomic DNA extraction kit . Genotyping is carried out using a set of reagents for preparing libraries of DNA fragments of HLA-A genes for genotyping by next generation sequencing, for example, HLA-Expert (DNA-Technology LLC) or any similar kit known from the prior art for the specified application.
Заявляемый способ был разработан по итогам проведенных исследований генетического материала около 750 пациентов, составляющих российскую популяцию, включая генетически материал 78 пациентов в возрасте до 60 лет проходивших лечение от COVID-19 в условиях стационара. В результате выявлены возможные связи между генотипами пациентов и необходимостью применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при лечении COVID-19, на основании которых выявлен генетический фактор, ассоциированный с необходимостью применения кислородной терапии при COVID-19.The claimed method was developed based on the results of studies of the genetic material of about 750 patients that make up the Russian population, including the genetic material of 78 patients under the age of 60 who were treated for COVID-19 in a hospital. As a result, possible associations between patient genotypes and the need for oxygen therapy (and/or non-invasive mechanical ventilation and/or artificial lung ventilation) in the treatment of COVID-19 were identified, based on which a genetic factor associated with the need for oxygen therapy in COVID-19 was identified. 19.
Использование в заявляемом способе данных HLA-генотипа пациентов проходивших лечение от COVID-19 в условиях стационара в возрасте до 60 лет значимо повлияло на повышение точности получаемых оценок. Необходимость применения кислородотерапии при лечении COVID-19 у пациентов в возрасте до 60 лет - проявление тяжелого течения заболевания - сочетание сопутствующих заболеваний, неадекватного ответа иммунной системы, одной из причин которого является генетическая предрасположенность.The use in the claimed method of the data of the HLA genotype of patients treated for COVID-19 in a hospital under the age of 60 significantly affected the accuracy of the estimates obtained. The need for oxygen therapy in the treatment of COVID-19 in patients under the age of 60 is a manifestation of a severe course of the disease - a combination of concomitant diseases, an inadequate response of the immune system, one of the causes of which is a genetic predisposition.
В процессе разработки заявляемого способа было выявлено, что для российской популяции значительный вклад в оценку риска применения кислородной терапии вносит аллель HLA-С*12:03. В частности, носители аллели HLA-С*12:03 в 4,3 раз чаще нуждались в применении кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19.In the process of developing the proposed method, it was found that for the Russian population a significant contribution to the risk assessment of the use of oxygen therapy is made by the HLA-C * 12:03 allele. In particular, carriers of the HLA-C*12:03 allele were 4.3 times more likely to need oxygen therapy (and/or non-invasive mechanical ventilation and/or mechanical ventilation) for COVID-19.
Применение способа, описанного в работе Iturrieta-Zuazo и соавторов, к данным генотипов выборки пациентов, предложенной в заявляемом способе, показало значение площади под ROC-кривой равное 0.57, p = 0.15 при пороге на аффинность равным 500 нМ и 0.59, p = 0.07 при пороге на аффинность равным 50 нМоль. При этом площадь под ROC-кривой при использовании заявляемого способа составила 0,71, p = 0,0008, что свидетельствует о ее большей чувствительности и специфичности.Application of the method described in the work of Iturrieta-Zuazo et al. to the genotype data of a sample of patients proposed in the claimed method showed the value of the area under the ROC curve equal to 0.57, p = 0.15 at an affinity threshold of 500 nM and 0.59, p = 0.07 at threshold for affinity equal to 50 nM. At the same time, the area under the ROC-curve when using the proposed method was 0.71, p = 0.0008, which indicates its greater sensitivity and specificity.
Кроме того, при получении заявляемого комплекса генетических маркеров были использованы иные критерии оценки аффинности пептидов и аллелей HLA-I. В способе, описанном в работе Iturrieta-Zuazo и соавторов, упоминается два способа интерпретации математического моделирования аффинности пептида и аллели HLA-I: при аффинности менее 50 нМоль взаимодействие считалось возможным, при более и равно 50 нМоль - нет; при аффинности менее 500 нМоль взаимодействие считалось возможным, при более и равно 500 нМоль - нет. Заявляемые оценочные критерии были получены при использовании непрерывной шкалы значений аффинности от 1 до 5000 в отличие от способа Iturrieta-Zuazo и соавторов, который бинаризует (0 или 1) значение аффинности. Учитывая, что значение площади под ROC-кривой заявляемого способа превосходит значение для прототипа, использование непрерывной шкалы аффинностей позволяет повысить точность прогноза.In addition, when obtaining the claimed complex of genetic markers, other criteria for assessing the affinity of peptides and HLA-I alleles were used. In the method described by Iturrieta-Zuazo et al., two ways of interpreting the mathematical modeling of the affinity of the peptide and the HLA-I allele are mentioned: at an affinity of less than 50 nM, the interaction was considered possible, at more than and equal to 50 nM, no; at an affinity of less than 500 nmol, the interaction was considered possible, at more than and equal to 500 nmol - no. The claimed evaluation criteria were obtained using a continuous scale of affinity values from 1 to 5000, in contrast to the Iturrieta-Zuazo et al. method, which binarizes (0 or 1) the affinity value. Considering that the value of the area under the ROC-curve of the proposed method exceeds the value for the prototype, the use of a continuous scale of affinities improves the accuracy of the forecast.
Таким образом, заявляемый способ демонстрирует более высокую точность получения прогнозных оценок по течению COVID-19 по сравнению со способом - прототипом, что является важным для применения/изменения тактики лечения пациента.Thus, the claimed method demonstrates a higher accuracy in obtaining predictive estimates for the course of COVID-19 compared to the prototype method, which is important for applying/changing patient treatment tactics.
Краткое описание чертежейBrief description of the drawings
Изобретение поясняется иллюстративными материалами.The invention is illustrated by illustrative materials.
На фиг. 1 представлена оценка риска, разделяющая группы пациентов российской популяции в возрасте до 60 лет, получавших и не получавших кислородотерапию. А: распределение индекса риска в рассматриваемых группах. Б: рабочая характеристическая кривая приемника для индекса риска (площадь под кривой (AUC) равна 0,71).In FIG. Figure 1 presents a risk assessment that separates groups of patients in the Russian population under the age of 60 who received and did not receive oxygen therapy. A: distribution of the risk index in the groups under consideration. B: Receiver performance curve for risk index (area under the curve (AUC) is 0.71).
Осуществление изобретенияImplementation of the invention
Оценку риска развития тяжелой формы COVID-19 у пациента из российской популяции проводят в два этапа.The assessment of the risk of developing a severe form of COVID-19 in a patient from the Russian population is carried out in two stages.
Забор биологического материала и генотипирование.Collection of biological material and genotyping.
Для проведения генотипирования аллелей HLA-C получают биологический материал индивидуума, выделяют из него геномную ДНК и проводят анализ секвенирования нового поколения. Биологическим материалом может служить венозная или капиллярная кровь, букальный соскоб. Выделение геномной ДНК можно проводить с помощью различных наборов реагентов, например, QIAamp DNA Blood, или HigherPurity™ Blood DNA Extraction Kit (Convax), или GeneJET Whole Blood Genomic DNA Purification Mini Kit (Thermo Scientific), или использовать любой аналогичный набор для выделения геномной ДНК.To carry out genotyping of HLA-C alleles, the biological material of the individual is obtained, genomic DNA is isolated from it, and a next generation sequencing analysis is carried out. Biological material can be venous or capillary blood, buccal scraping. Genomic DNA extraction can be performed using a variety of reagent kits, such as QIAamp DNA Blood, or HigherPurity™ Blood DNA Extraction Kit (Convax), or GeneJET Whole Blood Genomic DNA Purification Mini Kit (Thermo Scientific), or any similar genomic DNA extraction kit. DNA.
Генотипирование осуществляют с применением набора реагентов для подготовки библиотек фрагментов ДНК генов HLA-C для генотипирования секвенированием нового поколения HLA-Эксперт (ООО «ДНК-Технология»), или TruSight HLA v2 Sequencing Panel Library Preparation Kits (Illumina), или любого аналогичного набора для подготовки фрагментов ДНК генов HLA-A. Секвенирование производят в обоих направлениях 2-4 экзонов, аннотация генотипов может быть произведена, например, с использованием базы данных IMGT/HLA [Robinson J, Barker DJ, Georgiou X, Cooper MA, Flicek P, Marsh SGE. IPD-IMGT/HLA Database. Nucleic Acids Res. 2020;48(D1):D948-D955. doi:10.1093/nar/gkz950].Genotyping is carried out using a set of reagents for preparing libraries of DNA fragments of HLA-C genes for genotyping by next-generation sequencing HLA-Expert (DNA-Technology LLC), or TruSight HLA v2 Sequencing Panel Library Preparation Kits (Illumina), or any similar kit for preparation of DNA fragments of HLA-A genes. Sequencing is done in both directions 2-4 exons, annotation of genotypes can be done, for example, using the IMGT/HLA database [Robinson J, Barker DJ, Georgiou X, Cooper MA, Flicek P, Marsh SGE. IPD-IMGT/HLA Database. Nucleic Acids Res. 2020;48(D1):D948-D955. doi:10.1093/nar/gkz950].
Оценка результатов генотипирования.Evaluation of the results of genotyping.
По результатам генотипирования определяют наличие аллели HLA-C*12:03, и прогнозируют высокий риск необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19. Based on the results of genotyping, the presence of the HLA-C*12:03 allele is determined, and a high risk of requiring oxygen therapy (and/or non-invasive mechanical ventilation and/or mechanical ventilation) is predicted for COVID-19.
Данный оценочный критерий был получен в результате исследования, которое включало формирование для российской популяции БД аллелей генов HLA-A, HLA-В, HLA-C со значениями главных компонент по итогам соответствующего генотипирования популяции. Популяционный срез включал не менее 500 человек, в т.ч. пациентов, умерших от COVID-19 - предпочтительно не менее 35 пациентов в возрасте до 60 лет, не менее 80 пациентов в возрасте от 60 лет. Из выборки были исключены пациенты с иммуносупрессией (например, больные ВИЧ, принимающие химиотерапию, лица с автоиммунными заболеваниями, принимающие иммуносупрессанты, пациенты с трансплантациями).This evaluation criterion was obtained as a result of a study that included the formation for the Russian population of a database of alleles of the HLA-A, HLA-B, HLA-C genes with the values of the main components based on the results of the corresponding genotyping of the population. The population profile included at least 500 people, incl. patients who died from COVID-19 - preferably at least 35 patients under the age of 60, at least 80 patients over the age of 60. Patients with immunosuppression (eg, HIV patients receiving chemotherapy, individuals with autoimmune diseases taking immunosuppressants, transplant patients) were excluded from the sample.
В процессе проведения исследования была сформирована матрица связывания вирусных пептидов и аллелей.In the course of the study, a binding matrix of viral peptides and alleles was formed.
Для формирования матрицы связывания были использованы последовательности белков SARS-CoV-2 требуемого штамма, а также последовательности белков SARS-CoV-2, опубликованные на портале GISAID [Elbe S, Buckland-Merrett G. Data, disease and diplomacy: GISAID's innovative contribution to global health. Glob Challenges. 2017;1(1):33{46. doi:10.1002/gch2.1018.]. Выравнивание белковых последовательностей с целью получения консенсусной последовательности может быть произведено с помощью таких программных продуктов, как Clustal Omega [Sievers F, Higgins DG. Clustal Omega for making accurate alignments of many protein sequences. Protein Sci. 2018;27(1):135{145. doi:10.1002/pro.3290.], или Kalign [https://doi.org/10.1186/1471-2105-6-298], или любого аналогичного продукта для осуществления множественного выравнивания аминокислотных последовательностей. Для каждой аминокислоты каждого вирусного белка производили расчет вероятности разрезания протеасомой в данной позиции, которое может быть реализовано, например, с использованием программного продукта NetChop [https://doi.org/10.1007/s00251-005-0781-7]. Список вирусных пептидов определяли в виде множества всевозможных фрагментов белков, состоящих из 8-12 аминокислот, имеющих вероятность протеасомного разреза не менее 0.1 с каждого из концов фрагмента.To form the binding matrix, we used the SARS-CoV-2 protein sequences of the desired strain, as well as the SARS-CoV-2 protein sequences published on the GISAID portal [Elbe S, Buckland-Merrett G. Data, disease and diplomacy: GISAID's innovative contribution to global health. Glob Challenges. 2017;1(1):33{46. doi:10.1002/gch2.1018.]. Alignment of protein sequences to obtain a consensus sequence can be performed using software products such as Clustal Omega [Sievers F, Higgins DG. Clustal Omega for making accurate alignments of many protein sequences. Protein Sci. 2018;27(1):135{145. doi:10.1002/pro.3290.], or Kalign [https://doi.org/10.1186/1471-2105-6-298], or any similar product for multiple amino acid sequence alignment. For each amino acid of each viral protein, the probability of being cut by the proteasome at a given position was calculated, which can be implemented, for example, using the NetChop software [https://doi.org/10.1007/s00251-005-0781-7]. The list of viral peptides was defined as a set of various protein fragments consisting of 8–12 amino acids with a proteasome cut probability of at least 0.1 from each end of the fragment.
Далее определяли аффинности связывания вирусных пептидов с рецепторами HLA-I, которые могут быть реализованы с использованием программы netMHCpan [https://doi.org/10.1093/nar/gkaa379], или MHCflurry [https://doi.org/10.1016/j.cels.2018.05.014], или любой аналогичной программой для предсказания аффинностей связывания аллелей HLA класса I и множества пептидов. Пептиды, имеющие низкую аффинность связывания ко всем аллелям из данной популяции, исключали. В качестве порогового значения, характеризующего низкую аффинность, использовали 500 нмоль. Для оставшихся пептидов аффинности инвертировали, умножали на 500 и логарифмировали по основанию 10 (константы 500 и 10 не влияли на дальнейший статистический анализ и были введены для удобства визуального исследования). Результат вычислений записывали в матрицу, строкам которой соответствовали аллели популяции, а столбцам - вирусные пептиды.Next, the binding affinities of viral peptides to HLA-I receptors were determined, which can be implemented using the netMHCpan program [https://doi.org/10.1093/nar/gkaa379] or MHCflurry [https://doi.org/10.1016/j .cels.2018.05.014], or any similar program for predicting the binding affinities of HLA class I alleles and multiple peptides. Peptides having low binding affinity for all alleles from a given population were excluded. 500 nmol was used as a threshold value characterizing low affinity. For the remaining peptides, the affinities were inverted, multiplied by 500, and logarithmized to base 10 (the constants 500 and 10 did not affect further statistical analysis and were introduced for visual convenience). The result of the calculations was recorded in a matrix, the rows of which corresponded to the alleles of the population, and the columns corresponded to the viral peptides.
Далее проводили обработку матрицы связывания методом главных компонент. Для чего в рамках данного метода исходный набор пептидов заменяли на их наиболее информативные линейные комбинации. Количество главных компонент определяли таким образом, чтобы доля дисперсии, обусловленная каждой компонентой, составляла не менее 5%.Next, the binding matrix was processed by the principal component method. Why, within the framework of this method, the initial set of peptides was replaced by their most informative linear combinations. The number of main components was determined in such a way that the proportion of dispersion due to each component was at least 5%.
Для каждого индивидуума с определенным генотипом рецепторов HLA-I, производили суммирование главных компонент, соответствующих каждой паре двух аллелей (HLA-A, HLA-C). При этом в суммировании участвуют вторая и третья главные компоненты по аллелям HLA-A, и четвертая компонента по HLA-C. Итоговая формула выглядит следующим образом: For each individual with a particular HLA-I receptor genotype, the principal components corresponding to each pair of two alleles (HLA-A, HLA-C) were summed. The summation involves the second and third main components for HLA-A alleles, and the fourth component for HLA-C. The final formula looks like this:
где HLA-A1, HLA-A2, HLA-C1, HLA-C2 - аллели, соответствующие генотипу рассматриваемого индивидуума; РС2, РС3, РС 4 - вторая, третья и четвертая главная компонента генов HLA-A, HLA-A и HLA-C, соответственно.where HLA-A 1 , HLA-A 2 , HLA-C 1 , HLA-C 2 - alleles corresponding to the genotype of the individual in question; PC 2 , PC 3 , PC 4 - the second, third and fourth main component of the HLA-A, HLA-A and HLA-C genes, respectively.
Далее, полученную сумму 
Заявляемый способ был разработан по итогам проведенных исследований на основе данных контрольной группы из 428 добровольцев, которая была сформирована с использованием электронных записей генотипов HLA Федерального регистра доноров костного мозга (Российский национальный исследовательский медицинский университет им. Н. И. Пирогова) и 126 пациентов, инфицированных COVID-19, которые умерли в период с мая по июль 2020 года по данным Городской клинической больницы № 15 им. О. М. Филатова (Москва, Россия). Для изучения влияния генотипа HLA класса I на течение COVID-19 было проведено генотипирование HLA для умерших пациентов с COVID-19, а также контрольной группы (n = 428) и исследована взаимосвязь между генотипами и возрастом на момент смерти. Все пациенты имели, по крайней мере, один положительный результат теста на SARS-CoV-2 с помощью RT-qPCR из мазков носоглотки или бронхоальвеолярного лаважа. Из исследований были исключены пациенты с патологиями ВИЧ, рак и принимавшие иммуносупрессивные препараты. The claimed method was developed based on the results of studies based on data from a control group of 428 volunteers, which was formed using electronic records of HLA genotypes of the Federal Bone Marrow Donor Registry (Russian National Research Medical University named after N. I. Pirogov) and 126 patients infected with COVID-19 who died between May and July 2020, according to the City Clinical Hospital No. O. M. Filatova (Moscow, Russia). To study the effect of HLA class I genotype on the course of COVID-19, HLA genotyping was performed for deceased patients with COVID-19, as well as the control group (n = 428), and the relationship between genotypes and age at death was investigated. All patients had at least one positive SARS-CoV-2 test by RT-qPCR from nasopharyngeal swabs or bronchoalveolar lavage. Patients with HIV pathologies, cancer, and those taking immunosuppressive drugs were excluded from the studies.
Кровь (2 мл) пациентов была взята врачом в флакон с ЭДТА. Пациенты были разделены на две группы: пациенты нуждавшиеся в кислородной терапии (возраст ≤ 60 лет, n = 47) и пациенты не нуждавшиеся в кислородной терапии (возраст ≤ 60 лет, n = 31). Полученные значения нормированного индекса риска достоверно разделяли группы пациентов получавших и не получавших кислородную терапию (P = 0,0015, W-критерий Вилкоксона) и площадью под кривой рабочей характеристики приемника (AUC ROC), равной 0,71 (перестановочный тест P = 0.00076), см. фиг. 1. The blood (2 ml) of the patients was taken by the physician into a vial of EDTA. Patients were divided into two groups: patients requiring oxygen therapy (age ≤ 60 years, n = 47) and patients not requiring oxygen therapy (age ≤ 60 years, n = 31). The resulting values of the normalized risk index significantly separated the groups of patients receiving and not receiving oxygen therapy (P = 0.0015, Wilcoxon W-test) and the receiver operating characteristic area under the curve (AUC ROC) equal to 0.71 (permutation test P = 0.00076) , see FIG. one.
В проведенных исследованиях были использованы следующие функции из модуля scipy.stats Python [Virtanen P, Gommers R, Oliphant TE, Haberland M, Reddy T, Cournapeau D, et al. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nat Methods. 2020;17(3):261-272. doi:10.1038/s41592-019-0686-2]: fisher exact для точного теста Фишера, mannwhitneyu для U-теста Манна-Уитни. Процедура Бенджамини-Хохберга использовалась для выполнения множественной коррекции тестирования. Анализ главных компонент проводился с помощью модуля scikit-learn Python [Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011;12(85):2825-2830]. Участки ROC-кривой были построены с помощью Seaborn и Matplotlib [Hunter JD. Matplotlib: A 2D graphics environment. Comput Sci Eng. 2007;9(3):90-95. doi:10.1109/MCSE.2007.55].The following functions from the scipy.stats Python module were used in the research [Virtanen P, Gommers R, Oliphant TE, Haberland M, Reddy T, Cournapeau D, et al. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nat Methods. 2020;17(3):261-272. doi:10.1038/s41592-019-0686-2]: fisher exact for Fisher exact test, mannwhitneyu for Mann-Whitney U-test. The Benjamini-Hochberg procedure was used to perform multiple correction testing. Principal component analysis was performed using the scikit-learn Python module [Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011;12(85):2825-2830]. ROC plots were plotted using Seaborn and Matplotlib [Hunter JD. Matplotlib: A 2D graphics environment. Comput Sci Eng. 2007;9(3):90-95. doi:10.1109/MCSE.2007.55].
При анализе группы, получавшей кислородную поддержку было выявлено, что более 30% (15 из 47) пациентов были носителями аллели HLA-С*12:03, в то время как в группе пациентов не получавших кислородную поддержку носителями аллели HLA-С*12:03 были только 9,6% (точный критерий Фишера Р = 0,019).When analyzing the group that received oxygen support, it was found that more than 30% (15 out of 47) of patients were carriers of the HLA-C * 12:03 allele, while in the group of patients who did not receive oxygen support, the carriers of the HLA-C * 12 allele: 03 were only 9.6% (Fisher's exact test P = 0.019).
Таким образом, в результате проведенных исследований был разработан способ прогнозирования риска необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких) при COVID-19, основанный на анализе представленности аллели HLA-С*12:03. Наличие аллели HLA-С*12:03 связано с высоким риском необходимости применения кислородной терапии (и/или неинвазивной искусственной вентиляции легких и/или искусственной вентиляции легких).Thus, as a result of the studies, a method was developed to predict the risk of the need for oxygen therapy (and/or non-invasive mechanical ventilation and/or artificial lung ventilation) for COVID-19, based on the analysis of the representation of the HLA-C*12:03 allele. The presence of the HLA-C*12:03 allele is associated with a high risk of requiring oxygen therapy (and/or non-invasive mechanical ventilation and/or mechanical ventilation).
Ниже представлены примеры реализации заявляемого изобретения.Below are examples of the implementation of the claimed invention.
Пример 1Example 1
Юрий Н., 57 лет. Был произведен забор венозной крови. Геномная ДНК была выделена с помощью набора QIAamp DNA Blood. В процессе генотипирования с помощью секвенирования нового поколения был использован набор реагентов HLA-Эксперт. В результате было определено, что индивидуум является носителем аллели HLA-С*12:03, и индивидуум был отнесен к группе высокого риска.Yuri N., 57 years old. Venous blood sampling was performed. Genomic DNA was isolated using the QIAamp DNA Blood kit. In the process of genotyping using next generation sequencing, the HLA-Expert reagent kit was used. As a result, the individual was determined to be a carrier of the HLA-C*12:03 allele, and the individual was assigned to a high-risk group.
Через год после анализа индивидуум переболел тяжелой формой COVID-19 (реанимация, искусственная вентиляция легких, ЧДД 35/мин, SpO2 89%, PaO2/FiO2 293 мм рт.ст).One year after analysis, the individual had a severe form of COVID-19 (resuscitation, mechanical ventilation, respiratory rate 35/min, SpO2 89%, PaO2/FiO2 293 mmHg).
Пример 2 Example 2
Юлия З., 44 года. Был произведен забор капиллярной крови. Геномная ДНК была выделена с помощью набора GeneJET Whole Blood Genomic DNA Purification Mini Kit. В процессе генотипирования с помощью секвенирования нового поколения был использован набор реагентов HLA-Эксперт. В результате было определено, что индивидуум не является носителем аллели HLA-С*12:03, и индивидуум был отнесен к группе низкого риска.Julia Z., 44 years old. Capillary blood sampling was performed. Genomic DNA was isolated using the GeneJET Whole Blood Genomic DNA Purification Mini Kit. In the process of genotyping using next generation sequencing, the HLA-Expert reagent kit was used. As a result, it was determined that the individual is not a carrier of the HLA-C*12:03 allele, and the individual was assigned to a low risk group.
Через три недели после анализа индивидуум бессимптомно переболел COVID-19 (диагностика проведена с помощью ПЦР теста).Three weeks after analysis, the individual was asymptomatic with COVID-19 (diagnosed using a PCR test).
Таким образом, заявляемый способ продемонстрировал высокую точность получения прогнозных оценок.Thus, the proposed method has demonstrated high accuracy in obtaining predictive estimates.
Claims (3)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2021136589A RU2777487C1 (en) | 2021-12-11 | Method for assessment of risk of necessity of use of oxygen therapy in covid-19 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2021136589A RU2777487C1 (en) | 2021-12-11 | Method for assessment of risk of necessity of use of oxygen therapy in covid-19 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2021136589A3 RU2021136589A3 (en) | 2022-04-14 |
| RU2021136589A RU2021136589A (en) | 2022-04-14 |
| RU2777487C1 true RU2777487C1 (en) | 2022-08-04 |
Family
ID=
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020169819A1 (en) * | 2019-02-21 | 2020-08-27 | B.R.A.H.M.S Gmbh | Diagnosis or prognosis of postsurgical adverse events |
| WO2021204902A1 (en) * | 2020-04-08 | 2021-10-14 | Virogates A/S | Sars-cov-2 infection risk assessment method |
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020169819A1 (en) * | 2019-02-21 | 2020-08-27 | B.R.A.H.M.S Gmbh | Diagnosis or prognosis of postsurgical adverse events |
| WO2021204902A1 (en) * | 2020-04-08 | 2021-10-14 | Virogates A/S | Sars-cov-2 infection risk assessment method |
Non-Patent Citations (1)
| Title |
|---|
| БУБНОВА Л.Н. и др. Особенности распределения групп аллелей HLA-А*, B*, DRB1* среди лиц, перенесших COVID-19. Медицинская иммунология. 2021 Май-Июнь; 23(3): 523-532. КОРКУШКО О.В. и др. Возрастные изменения дыхательной системы при старении и их роль в развитии бронхо-легочной патологии. Украiнський пульмонологічний журнал. 2005; 3: 35-41. ITURRIETA-ZUAZO I. et al. Possible role of HLA class-I genotype in SARS-CoV-2 infection and progression: A pilot study in a cohort of Covid-19 Spanish patients. Clin Immunol. 2020 Oct; 219: 108572. WAKAMATSU T.H. et al. Human Leukocyte Antigen Class I Genes Associated With Stevens-Johnson Syndrome and Severe Ocular Complications Following Use of Cold Medicine in a Brazilian Population. JAMA Ophthalmol. 2017; 135(4): 355-360. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2747097C1 (en) | Method for assessing risk of severe form of covid-19 | |
| Shkurnikov et al. | Association of HLA class I genotypes with severity of coronavirus disease-19 | |
| JP7111630B2 (en) | Biomarkers for inflammatory bowel disease | |
| RU2751410C1 (en) | Method for assessing the risk of development of severe covid-19 | |
| WO2011106738A2 (en) | Use of tcr clonotypes as biomarkers for disease | |
| Tripodi et al. | Novel multiplex PCR reveals multiple trypanosomatid species infecting North American bumble bees (Hymenoptera: Apidae: Bombus) | |
| Saberi et al. | Presence and diversity of Leishmania RNA virus in an old zoonotic cutaneous leishmaniasis focus, northeastern Iran: haplotype and phylogenetic based approach | |
| Takenouchi et al. | Clinical utility of SARS-CoV-2 whole genome sequencing in deciphering source of infection | |
| US20230399698A1 (en) | Assays for detection of acute lyme disease | |
| Alnaqbi et al. | HLA repertoire of 115 UAE nationals infected with SARS-CoV-2 | |
| He et al. | Common and well-documented (CWD) alleles of human leukocyte antigen-A,-B,-C,-DRB1, and-DQB1 loci for the Chinese Han population do not quite correlate with the ASHI CWD alleles | |
| Valencia et al. | Trans-ancestral fine-mapping of MHC reveals key amino acids associated with spontaneous clearance of hepatitis C in HLA-DQβ1 | |
| Beudeker et al. | Prevalence of hepatitis delta virus among chronic hepatitis B carriers in a large tertiary center in the Netherlands | |
| RU2777487C1 (en) | Method for assessment of risk of necessity of use of oxygen therapy in covid-19 | |
| Reinders et al. | HLA and MICA associations with head and neck squamous cell carcinoma | |
| Akcay et al. | Impact of HLA polymorphisms on the susceptibility to SARS-CoV-2 infection and related mortality in patients with renal replacement therapy | |
| ES2652212T3 (en) | Procedure for in vitro diagnosis of lung cancer | |
| Bertol et al. | HLA-G liver expression and HLA-G extended haplotypes are associated with chronic hepatitis C in HIV-negative and HIV-coinfected patients | |
| US20220282318A1 (en) | Dna-fish method for measurement of telomere length | |
| Eyerci et al. | Association of MICA alleles and human leukocyte antigen B in Turkish patients diagnosed with Behcet's disease | |
| Aksak-Wąs et al. | Clinical parameters, selected HLA and chemokine gene variants associated with late presentation into care of people living with HIV/AIDS | |
| January 3rd et al. | HLA-C* 04: 01 is a genetic risk allele for severe course of COVID-19 | |
| Shkurnikov et al. | Association of HLA class I genotypes with age at death of COVID-19 patients | |
| Paik et al. | The Role of MHC System in COVID-19 Susceptibility: A Qualitative Review of Current Literature | |
| CN108070644B (en) | Diagnosis system for gestational hypertension |