需要JoVE订阅才能观看此内容。 请登录或开始免费试用

研究文章

兼顾分室意识的鼻腔与血液宿主应答模块中呼吸道病毒转录组计算研究：一项基准测试

84 次观看

⸱

DOI：

10.3791/73334

⸱

2026年9月18日

 , 
1Comprehensive Rehabilitation Department, Beidahuang Industry Group General Hospital, 2Department of Pathology, First Affiliated Hospital of Harbin Medical University

本文内容

摘要

本项计算研究提出了一种区分样本来源部位的流程，用于评估公共呼吸道病毒转录组数据，表明鼻腔和血液的宿主反应在基因水平上的一致性有限，但在独立数据集、临床比较、纵向恢复分析及稳健性分析中均能产生可重复且具有生物学可解释性的部位特异性模块。

摘要

公共的呼吸道病毒转录组数据对于研究宿主反应具有重要价值，但组织来源、对照定义以及研究设计的差异可能干扰合并分析。我们开发了一种区分组织区室的计算流程，旨在确定是否能够在保留鼻腔和血液生物学背景的前提下，识别出可重复的宿主反应活性。配对的GSE117827儿童队列作为锚定数据集，包含来自有症状的微小核糖核酸病毒（picornavirus）感染、有症状的呼吸道合胞病毒感染、无症状的微小核糖核酸病毒检出以及病毒阴性对照的鼻拭子和全血转录组数据。在经过HUGO基因命名委员会（HGNC）筛选后，共分析了27,685个基因。分别从鼻腔和血液中基于最强的正向反应定义了独立的50个蛋白编码基因模块，并在外部验证前锁定。基因水平的鼻腔和血液效应几乎相互独立（Pearson r = 0.015），两个模块之间仅有六个探索性排序重叠基因（Jaccard指数 = 0.064）。尽管如此，在独立的上呼吸道队列中，鼻腔模块能够区分感染与对照，受试者工作特征曲线下面积（AUROCs）分别为0.749、0.693和0.609；而血液模块在外部血液队列中达到的AUROCs分别为0.832、0.924和0.870。在纵向自然感染数据中，配对评分从急性发病期到出院时均下降，鼻腔样本的配对差值为0.436，血液样本为0.330。另外三个包含666个外部样本的基准数据集，结合随机基因零模型、模块大小扫描、自举稳定性分析、标志物程序相关性以及方差分解，共同界定了该流程的稳健性与局限性。Pandya 33信使核糖核酸（mRNA）基因集在病毒与细菌鉴别方面仍表现更强，而血液模块在细菌性肺炎中也有所升高。这些结果支持将组织区室特异性的模块作为可重复使用的宿主反应活性评分工具，用于队列间比较和恢复过程追踪，而非作为通用的跨组织生物标志物或独立的病原体分类器。

引言

宿主转录组特征被广泛用于对感染综合征进行分类，并比较不同病原体之间的免疫应答1,2,3,4,5。呼吸道病毒通常会激活重叠的干扰素刺激基因（ISGs）、炎症介质以及抗原呈递通路6,7,8,9,10。近期的一些配对和纵向研究还表明，局部气道和全身性免疫应答在时间、细胞组成和强度方面可能存在差异11。这一问题不仅涉及流感病毒、呼吸道合胞病毒（RSV）、鼻病毒和SARS-CoV-2。人类偏肺病毒仍是导致呼吸道疾病的重要病因，但其宿主应答及相关干预措施的研究仍在发展之中12,13。这些关于呼吸道病毒感染的观察结果进一步凸显了局部气道与全身宿主应答之间的差异14。因此，对于计算型宿主-病毒研究而言，实际问题不仅在于某种应答是否存在，更在于公共数据是否能够通过一个透明的工作流程被重复利用，从而保留组织微环境信息，并生成可重复的宿主应答评分。

大多数公共的呼吸道病毒转录组数据集并非为清晰的跨病毒或跨组织推断而设计。组织来源、采样时间、疾病严重程度、年龄、对照定义以及检测平台等因素往往同时变化。高通量表达数据集也容易受到非预期的技术性变异和研究层面变异的影响15,16。因此，合并分析可能会恢复出强烈的干扰素或炎症信号，但却掩盖了其来源。鼻腔样本可捕获上皮和黏膜免疫生物学信息，而全血则反映全身性白细胞反应。将这些不同生物学区室视为可互换，虽便于评分计算，却导致结果难以解释。

我们围绕GSE117827构建分析，这是一个来自同一研究的配对鼻腔-血液队列，而非可获取的最大发现数据集17。该队列规模较小，但在比较鼻腔和血液效应量大小时，可减少不同研究之间的混杂因素。该队列包括有症状的微小核糖核酸病毒（picornavirus）感染、有症状的呼吸道合胞病毒（RSV）感染、无症状的微小核糖核酸病毒检出以及病毒阴性对照。因此，我们仅将其用作独立的、特定组织模块的锚定点。模块成员关系在外部验证前已固定。通过分层自助重抽样、随机基因零分布以及模块大小敏感性分析，评估了小队列筛选结果的稳定性。

我们添加了一个包含细菌性和非感染性对照的基准测试层。GSE63990 包含全血急性呼吸道疾病样本，标注为病毒性、细菌性或非感染性18。GSE40012 包含重度社区获得性肺炎、全身炎症反应综合征（SIRS）以及健康对照样本19。这些队列用于检验一个模块是反映宿主普遍应答活性，还是具有病原体类别特异性。GSE53543 被单独分析，作为体外外周血单个核细胞（PBMC）鼻病毒扰动的基准测试，用于测量白细胞在受控刺激下的应答能力，但其并不等同于自然感染。

我们的假设是有意保守的。我们并不试图从异质的公共数据中证明一种普适的抗病毒特征。相反，我们探讨的是：一种区分不同生物学区室的工作流程是否能够产生在外部验证中仍具实用价值的模块评分。这些模块的设计用途是作为诊断分类器（如 Pandya 33-mRNA）的补充。这些模块可在不同队列、恢复过程及症状梯度中对鼻腔和血液的宿主反应活性进行评分，但其并非用于判定病原体类别。

访问受限。请登录或开始试用以查看此内容。

方案

本研究对已去标识的公开数据进行了重新分析，未涉及新的受试者招募、干预措施或样本采集。因此，本次二次分析无需机构伦理审批和新的知情同意。原始研究的伦理审批和知情同意情况已由相应的数据提供方报告。

研究设计与工作流程逻辑
我们开展了一项回顾性的公共数据生物信息学研究，使用了存放在基因表达综合数据库（Gene Expression Omnibus）中的数据集20,21。本研究未产生新的患者样本、细胞培养实验、动物模型或湿实验验证。工作流程采用“锚定优先”设计，以GSE117827数据集用于效应量估计、模块构建、跨舱室一致性分析及症状梯度分析。独立数据集仅在模块成员关系确定后才被引入。该工作流程包括配对舱室锚定、HGNC映射与蛋白编码基因筛选、分别进行鼻腔和血液模块构建、组织匹配及纵向验证、临床基准测试以及稳健性分析。验证性分析包括预先设定的组织匹配和纵向检验。重叠基因、症状梯度、标志物程序及方差分析则属于探索性或描述性分析。

锚定队列与主要对照
GSE117827 包含来自26名儿童的鼻拭子和全血表达谱：9例有症状的鼻病毒病例、5例无症状的鼻病毒检出、6例有症状的呼吸道合胞病毒（RSV）病例，以及6例无症状且病毒检测阴性的对照17有两例RSV病例缺乏血液标本。因此，完整的锚定设计共包含50个样本，在排除无症状小RNA病毒检出样本后，主要的感染组与对照组对比分析包含40个样本。在主要对比中，有症状的小RNA病毒感染样本和有症状的RSV样本被标记为感染组，无症状且病毒检测阴性的样本被标记为对照组。无症状的小RNA病毒检出样本未被归为对照组，因为无症状病毒检出在生物学上与病毒阴性健康状态存在本质区别。这些样本在模块构建阶段被排除，后续用于症状梯度分析。

探针定位与预处理
GSE117827 数据集基于 GPL23126 平台生成。使用 GEO 平台 GPL24539 提供的 Clariom D Human na36 hg38 注释文件，将转录本簇标识符映射至基因符号。仅保留经 HGNC 批准的基因符号22。去除对照探针、ERCC 探针、未映射的转录本簇以及未经批准的基因符号。对于映射到同一经批准基因符号的多个转录本簇，通过中位表达值进行合并。经过滤和合并后，共有 27,685 个基因可用于锚点分析。仅当表达矩阵的第 95 百分位数超过 50 时，才对数据进行 log₂(x + 1) 转换，以判断其是否处于未取对数的强度尺度。剔除缺失值比例超过 20% 的基因；其余基因的缺失值以该基因在所有样本中的中位值填补。随后，对每个基因在该数据集的所有样本中进行标准化处理，公式为 z = (x − 均值)/样本标准差（ddof = 1）。对于方差为零的基因，其标准化值设为 0。模块构建仅限于 HGNC 完整基因集中被分类为蛋白编码基因的条目。

效应量分析与模块构建
分别对鼻腔和血液样本进行分析。采用 Hedges g 标准化均值差和双侧 Welch 检验，将有症状病毒感染样本与病毒阴性对照组进行比较23。Hedges g 的计算方法为：（感染组均值减去对照组均值）除以合并标准差，再乘以小样本校正系数 1 − 3/(4df − 1)，其中 df = ninfected + ncontrol − 2。Welch 检验采用异方差假设。在每个样本舱室中，所有检测基因的 Benjamini–Hochberg 错误发现率（FDR）均经过校正24。由于在小型锚定队列中，没有任何蛋白编码基因同时达到预设的严格标准（FDR < 0.05 且 Hedges g > 0.8），因此阳性效应基因首先按双侧 Welch 检验 P 值升序排列，其次按 Hedges g 降序排列，基因符号作为最终确定性的并列排序依据。排名前 50 的基因构成每个主要模块。预先选择 50 个基因作为中等大小的模块，旨在保持生物学多样性的同时，尽量减少不同检测平台间因基因缺失而导致的信息损失。该模块大小并未针对外部 AUROC 进行优化。使用 10、25、50、100 和 200 个基因进行的敏感性分析均得到一致的定性锚定分离结果。本研究的目标是模块水平的可重复性，而非单个基因的发现。

跨区室一致性
通过基因匹配对鼻腔和血液的 Hedges g 估计值进行比对，并采用皮尔逊相关系数和斯皮尔曼相关系数进行比较。鼻腔前50个模块与血液前50个模块之间的重叠情况以重叠基因数量和雅卡尔指数进行总结。重叠基因被解释为探索性的跨区室排序重叠候选基因，而非已验证的保守生物标志物。

外部组织匹配验证
模块评分验证使用了具有可解释来源分组的独立公共数据集。上呼吸道验证包括 GSE41374 RSV 鼻洗样本以及 SARS-CoV-2 数据集 GSE152075 和 GSE156063。血液验证包括 GSE171110 和两个分别标准化的 GSE38900 子集：GPL10558（36 个样本；28 个 RSV 样本和 8 个对照）和 GPL6884（138 个样本；107 个 RSV 样本和 31 个对照）。对于每个外部数据集，探针被映射到 HGNC 基因符号，并通过中位表达值合并重复的基因符号。每个数据集内部均应用了与锚定数据集相同的转换方法、缺失值过滤、中位值填补以及每个基因的 z 标准化规则。模块评分被计算为对应模块基因标准化表达值的未加权均值。报告的 AUROC、平均精确度和 Welch 检验 FDR 作为可迁移性指标，而非临床诊断性能的估计值。

大型临床基准和离体扰动数据集
使用了两个全血数据集作为临床基准，而非发现队列。在GSE63990中，样本根据已提交的感染状态元数据被分配至病毒性呼吸道感染（n = 117）、细菌性呼吸道感染（n = 73）或非感染性疾病（n = 90）；未明确标注上述任一类别的样本被排除18。在GSE40012中，已提交的诊断字段被归类为甲型流感肺炎（n = 39）、非流感性细菌性肺炎（n = 61）、无肺炎的全身炎症反应综合征（SIRS）（n = 40）、健康对照（n = 36）或混合性细菌/流感肺炎（n = 14）19。混合性细菌/流感样本虽有描述，但在二分类基准比较中被排除。

GSE53543 包含来自 98 名个体的 196 个离体外周血单个核细胞（PBMC）表达谱。每名个体提供一个仅含培养基的样本和一个暴露于鼻病毒 16 型 24 小时的样本；受试者标识符确认了 98 对完整配对样本。主要基准分析在 98 个刺激样本和 98 个未刺激样本之间报告了 AUROC，因为 AUROC 是一种排序分离度量指标。受试者配对信息保留在元数据中，并用于对评分差异进行配对敏感性分析。该实验独立于自然临床感染进行分析，未用于支持临床诊断声明。

从GEO数据库下载了GSE63990、GSE40012和GSE53543系列的原始数据矩阵。GSE63990使用GPL571平台，GSE40012使用GPL6947平台，GSE53543使用GPL10558平台。探针被映射到HGNC批准的基因符号，并通过中位表达值合并重复映射。使用已提交的标准化矩阵数据。通用的第95百分位规则仅对未取对数尺度的矩阵触发log₂(x + 1)转换。GSE53543数据已由原始研究者完成log₂转换、基于秩不变性的标准化，并校正了样本处理日期的影响，因此未再进行额外的对数转换。在剔除缺失值超过20%的基因后，对剩余的缺失值采用中位数填补法进行插补，随后在每个数据集中对所有样本中的每个基因进行z标准化。基准层包含470例临床全血样本和196例体外分离的外周血单个核细胞（PBMC）样本。

参考特征基准测试
锚定的鼻腔和血液模块针对三个未加权的参考集进行了基准测试。官方Pandya 33-mRNA集合从原始分类器报告的补充表1中转录而来5。Andres-Terre比较集包含33个以干扰素为导向的基因，这些基因选自已报道的多病毒特征3。Hallmark比较集包含一个由33个基因组成的干扰素-α核心子集，与MSigDB HALLMARK_INTERFERON_ALPHA_RESPONSE集合相关联25,26。所有三个参考集的完整基因列表见补充数据1。这些参考评分并未重现原始的加权分类器。对于每个数据集，评分计算为可用的单基因z得分的未加权均值；要求至少包含三个代表基因，并报告代表基因的数量。基准比较包括病毒 vs 细菌、病毒 vs 非感染性、病毒 vs 细菌或非感染性、病毒 vs 健康/对照，以及细菌 vs 健康/对照（在具备相应组别的情况下）。AUROC和平均精确度被用作基准评估指标。Welch检验的P值通过Benjamini–Hochberg方法，在基准表中所有有效的数据集-比较-模块组合范围内进行多重检验校正。

独立纵向验证
配对的急性期与出院期数据集 GSE97741 和 GSE97742 仅用于纵向验证27。根据数据库中注释为呼吸道合胞病毒单一感染（RSVsi）或鼻病毒（hRV）的样本进行主要分析；呼吸道合胞病毒共感染（RSVco）样本仅保留在补充结果中。急性期和出院期标签从样本名称中提取。样本按数据集、部位、病毒组和受试者标识符进行匹配，仅保留具有两个时间点的受试者。主要合并组包括 38 对 RSVsi 和 30 对 hRV 样本（每个部位共 68 对样本）。

未对GSE97741或GSE97742使用基因筛选、模块优化或阈值调整。这些数据集保留用于外部验证。探针标识符被映射到经批准的HGNC符号，并通过中位表达值合并重复的符号。在计算固定的GSE117827模块评分之前，对所有数据应用相同的第95百分位对数转换规则、缺失值过滤、中位值填补以及每数据集内基因的z标准化处理流程。

针对每种组织和模块，根据受试者和病毒分组对急性期和出院时的评分进行配对。计算每对评分的急性期减去出院时的差值。Cohen dz 通过配对差值的均值除以其样本标准差计算得出。报告了双侧配对 t 检验和双侧 Wilcoxon 符号秩检验，同时报告急性期与出院时评分分离的 AUROC 值。在完整的纵向分析结果中，对全部 20 个有效的配对 t 检验（两个数据集、两种模块来源和五种预先指定的病毒分组汇总）计算 Benjamini–Hochberg FDR 值。

症状梯度与事后分析
在模块成员关系确定后，GSE117827 中保留的无症状小RNA病毒检出数据仅用于症状梯度分析。有序临床评分定义如下：病毒阴性对照组评分为 0，无症状小RNA病毒检出者评分为 1，有症状感染者评分为 2。采用斯皮尔曼相关分析评估有序趋势，而克鲁斯卡尔-沃利斯检验用于评估三组之间的总体差异。随后进行双侧曼-惠特尼 U 检验，对三组两两之间进行事后比较。在每个 compartment 内，对三个成对比较组成的检验家族分别进行本杰明尼-霍赫伯格校正。

功能富集分析
通过 gseapy 软件，使用 MSigDB Hallmark 2020、Reactome 2022 和 GO 生物过程 2023 数据库，对鼻腔和血液模块基因进行 Enrichr 分析25,26,28,29,30,31。Enrichr 采用基于 Fisher 精确检验的标准超几何富集分析框架。以数据库报告的经 Benjamini–Hochberg 校正的 P 值 < 0.05 作为显著性阈值。针对每个模块，在三个数据库中查询得到的最显著的八个功能条目按校正后的 P 值进行排序。富集分析结果仅用于生物学意义解读。

稳健性、标记基因程序及方差分析
稳健性分析用于检验结果是否依赖于模块大小或随机选择。评估了包含 10、25、50、100 和 200 个基因的模块大小。在随机基因零模型分析中，可用基因集为经处理的 GSE117827 矩阵中所包含的 HGNC 蛋白编码基因。使用 NumPy 随机种子 20260622，无放回地抽样 500 次，每次抽取 50 个基因组成的基因集。Bootstrap 重抽样限制在每个区室原始锚定分析中正效应排名最高的 1,000 个蛋白编码基因内进行。在每次重抽样中，正向蛋白编码基因首先按双侧 Welch P 值升序排列，再按平均差异降序排列，选取排名前 50 的基因。基因稳定性定义为被选中次数除以 100。展示每个区室中被选中频率最高的前 20 个基因。

标记物程序评分被用作描述性辅助工具，而非细胞组分的估计值。共评估了六种经过整理的程序：上皮细胞（EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1）、单核细胞/巨噬细胞（LYZ, LST1, S100A8, S100A9, FCGR3A, FCGR1A, CD14, MS4A7, CTSS）、中性粒细胞（S100A8, S100A9, MPO, ELANE, CEACAM8, FCGR3B, OLFM4, MMP8）、T/NK细胞（CD3D, CD3E, TRAC, NKG7, GNLY, PRF1, GZMB, KLRD1, IL7R）、B细胞/浆细胞（MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1）以及髓系干扰素反应（SIGLEC1, IFI27, IFI44L, ISG15, MX1, OAS1, RSAD2, IFIT3）。每个程序评分计算为所有可用基因z分数的平均值，且要求至少包含三个代表基因。Spearman P 值通过Benjamini–Hochberg方法对整个数据集-模块-程序相关性家族进行校正。单因素eta平方值通过每个模块-因子对的组间平方和除以总平方和计算得出。在该计算中，排除了缺失相应因子的行。此分析为描述性分析，未对相互关联的因子进行调整。

可重复性
所有分析均使用 Python 3.12.13 中的脚本化工作流程进行，并在材料表中报告了所用软件包及其版本。随机化过程采用固定的随机种子 20260622。公共 GEO 表达矩阵的处理采用一致的项目结构，将原始输入、处理后的数据、统计输出、表格和图表分离开来。模块定义、样本管理记录、效应量估计、验证统计结果、富集分析结果、稳健性分析结果以及图表源数据均予以保留，以支持独立验证。分析代码、依赖项说明及相关的衍生数据详见数据可用性声明。

访问受限。请登录或开始试用以查看此内容。

结果

通过锚定步骤基准测试，将组织特异性基因效应与泛组织基因效应区分开来
经过人工审校的 GSE117827 锚定矩阵包含 27,685 个经 HGNC 批准的基因。主要的鼻腔对比包括 15 个有症状感染样本和 6 个病毒阴性对照样本；血液对比包括 13 个有症状感染样本和 6 个对照样本（表 1）。由于该小规模队列无法支持稳定的单基因发现，因此被用作配对比较的锚定参照。模块水平的稳定性通过自助重抽样、随机基因零假设检验、外部验证以及模块大小敏感性分析进行评估。

来源组别条件主要对照n...

访问受限。请登录或开始试用以查看此内容。

讨论

主要经验在于操作层面：应从已取样的特定区室开始分析，而非从最大的合并组织矩阵入手。GSE117827 数据集虽小，但其配对设计使得在同一研究中直接比较鼻腔与血液样本成为可能。接近零的基因水平效应相关性表明，合并多种组织的全局排序列表会掩盖显著的区室特异性结构。因此，采用独立模块的分析策略更为合理。这些模块在外部验证和纵向分析中的表现支持了模块水平上的宿主应答活性具有可重复性，而非依赖于一个普适的基因列表。

基因水平和模块水平的可移植性存在差异。尽管鼻腔与血液效应量之间的个体一致性较弱，但血液模块在鼻咽部纵向样本中表现良好（AUROC 0.845）。配对轨迹未出现标签反转现象。更可能的解释是通路冗余性：在不同组织 compartment 中，干扰素和炎症反应的协同活动可由不同的基因子集来表征。6,7,8,9,...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明本研究不存在任何与本工作相关的财务或非财务利益冲突。

致谢

作者感谢本研究中重新分析的公共 GEO 研究项目的调查人员和参与者。没有其他个人符合作者资格标准。本研究未从公共、商业或非营利机构的任何资助机构获得特定资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Andres-Terre 多病毒干扰素刺激基因集Andres-Terre et al.33基因比较器；补充数据1基于已报道的多病毒特征整理的无权重干扰素导向比较器；完整基因列表见补充数据1。
EnrichrMa'ayan 实验室2026年8月18日访问；RRID:SCR_001575通过 gseapy 访问的基因集富集分析资源。
基因表达综合数据库美国国家生物技术信息中心GEO；RRID:SCR_005012用于获取分析数据集的公共转录组数据库。
基因本体数据库基因本体联盟GO 生物过程 2023；RRID:SCR_002811通过 Enrichr 使用的功能注释数据库。
GPL10558NCBI GEOGPL10558GSE53543 和包含36个样本的 GSE38900 验证单元所用平台。
GPL23126NCBI GEOGPL23126GSE117827 的表达分析平台。
GPL24539NCBI GEOClariom_D_Human.na36.hg38.
probeset.csv		用于 GSE117827 转录本簇映射的 Clariom D Human na36 hg38 注释文件。
GPL571NCBI GEOGPL571应用于 GSE63990 的平台注释。
GPL6884NCBI GEOGPL6884包含138个样本的 GSE38900 RSV 全血验证单元所用平台。
GPL6947NCBI GEOGPL6947应用于 GSE40012 的平台注释。
GSE117827NCBI GEOGSE117827主要的配对鼻拭子与全血锚定数据集。
GSE152075NCBI GEOGSE152075外部 SARS-CoV-2 上呼吸道验证数据集。
GSE156063NCBI GEOGSE156063外部 SARS-CoV-2 上呼吸道验证数据集。
GSE171110NCBI GEOGSE171110外部 SARS-CoV-2 全血验证数据集。
GSE38900NCBI GEOGSE38900；GPL10558 和 GPL6884作为分别标准化的36样本和138样本平台单元进行分析的外部 RSV 全血验证数据集。
GSE40012NCBI GEOGSE40012临床流感A肺炎、细菌性肺炎、全身炎症反应综合征（SIRS）及健康对照的基准数据集。
GSE41374NCBI GEOGSE41374外部 RSV 鼻灌洗验证数据集。
GSE53543NCBI GEOGSE53543涉及98名受试者和196个样本的配对体外 PBMC 鼻病毒扰动基准数据集。
GSE63990NCBI GEOGSE63990临床病毒性、细菌性及非感染性全血基准数据集。
GSE97741NCBI GEOGSE97741纵向全血急性期与出院期对比验证数据集。
GSE97742NCBI GEOGSE97742纵向鼻咽部急性期与出院期对比验证数据集。
gseapygseapy 开发者版本 1.3.1用于查询 Enrichr 的 Python 接口。
HGNC 基因符号资源人类基因命名委员会2026年8月18日访问；RRID:SCR_002827经批准的基因符号标准化及蛋白编码分类资源。
MatplotlibMatplotlib 开发团队版本 3.11.1图表生成。
MSigDB 标志性基因集Broad 研究所标志性 2020；RRID:SCR_016863通过 Enrichr 访问的标志性富集基因库。
MSigDB 标志性干扰素-α反应基因集Broad 研究所HALLMARK_INTERFERON_ALPHA_
RESPONSE；补充数据1中的33基因核心子集		无权重干扰素-α比较器；确切子集见补充数据1。
NumPyNumPy 开发者版本 2.5.2数值计算与带种子的随机抽样。
pandaspandas 开发团队版本 3.0.5表格数据处理。
Pandya 33-mRNA 宿主应答基因集Pandya et al.补充表1；补充数据1作为无权重比较器评分的官方33基因集。
PythonPython 软件基金会版本 3.12.13计算分析环境。
ReactomeReactomeReactome 2022；RRID:SCR_003485通过 Enrichr 访问的通路富集数据库。
scikit-learnscikit-learn 开发者版本 1.9.0AUROC 与平均精度计算。
SciPySciPy 开发者版本 1.18.0Welch 检验、配对 t 检验、Wilcoxon 检验、Mann–Whitney 检验及相关性检验。
SeabornSeaborn 开发团队版本 0.13.2统计图形。
statsmodelsstatsmodels 开发者版本 0.14.6统计工具。

参考文献

  1. Zaas AK, et al. Gene expression signatures diagnose influenza and other symptomatic respiratory viral infections in humans. Cell Host Microbe. 2009;6(3):207-17.
  2. Woods CW, et al. A host transcriptional signature for presymptomatic detection of infection in humans exposed to influenza H1N1 or H3N2. PLoS One. 2013;8(1):e52198.
  3. Andres-Terre M, et al. Integrated, multi-cohort analysis identifies conserved transcriptional signatures across multiple respiratory viruses. Immunity. 2015;43(6):1199-211.
  4. Herberg JA, et al. Diagnostic test accuracy of a 2-transcript host RNA signature for discriminating bacterial vs viral infection in febrile children. JAMA. 2016;316(8):835-45.
  5. Pandya R, et al. A machine learning classifier using 33 host immune response mRNAs accurately distinguishes viral and non-viral acute respiratory illnesses in nasal swab samples. Genome Med. 2023;15(1):64.
  6. Ioannidis I, et al. Plasticity and virus specificity of the airway epithelial cell immune response during respiratory virus infection. J Virol. 2012;86(10):5422-36.
  7. Mejias A, et al. Whole blood gene expression profiles to assess pathogenesis and disease severity in infants with respiratory syncytial virus infection. PLoS Med. 2013;10(11):e1001549.
  8. Blanco-Melo D, et al. Imbalanced host response to SARS-CoV-2 drives development of COVID-19. Cell. 2020;181(5):1036-45.e9.
  9. Hadjadj J, et al. Impaired type I interferon activity and inflammatory responses in severe COVID-19 patients. Science. 2020;369(6504):718-24.
  10. Mick E, et al. Upper airway gene expression reveals suppressed immune responses to SARS-CoV-2 compared with other respiratory viruses. Nat Commun. 2020;11(1):5854.
  11. Yoshida M, et al. Local and systemic responses to SARS-CoV-2 infection in children and adults. Nature. 2022;602(7896):321-7.
  12. Jamali MC, et al. Respiratory infections by human metapneumovirus: epidemiological evidence and treatment prospects. Res J Pharm Technol. 2026;19(8):3905-12. doi:10.52711/0974-360X.2026.00549.
  13. Gao G, Lin R, Ma D. Human metapneumovirus: pathogenesis, epidemiology, diagnostic technologies, and potential intervention strategies. Virol J. 2025;22(1):376.
  14. Lim FY, et al. homeRNA self-blood collection enables high-frequency temporal profiling of presymptomatic host immune kinetics to respiratory viral infection: a prospective cohort study. EBioMedicine. 2025;112:105531.
  15. Johnson WE, Li C, Rabinovic A. Adjusting batch effects in microarray expression data using empirical Bayes methods. Biostatistics. 2007;8(1):118-27.
  16. Leek JT, et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments. Bioinformatics. 2012;28(6):882-3.
  17. Yu J, et al. Host gene expression in nose and blood for the diagnosis of viral respiratory infection. J Infect Dis. 2019;219(7):1151-61.
  18. Tsalik EL, et al. Host gene expression classifiers diagnose acute respiratory illness etiology. Sci Transl Med. 2016;8(322):322ra11.
  19. Parnell GP, et al. A distinct influenza infection signature in the blood transcriptome of patients with severe community-acquired pneumonia. Crit Care. 2012;16(4):R157.
  20. Edgar R, Domrachev M, Lash AE. Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nucleic Acids Res. 2002;30(1):207-10.
  21. Barrett T, et al. NCBI GEO: archive for functional genomics data sets-update. Nucleic Acids Res. 2013;41(D1):D991-5.
  22. Tweedie S, et al. Genenames.org: the HGNC and VGNC resources in 2021. Nucleic Acids Res. 2021;49(D1):D939-46.
  23. Welch BL. The generalization of Student's problem when several different population variances are involved. Biometrika. 1947;34(1-2):28-35.
  24. Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Stat Soc Series B Stat Methodol. 1995;57(1):289-300.
  25. Subramanian A, et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci U S A. 2005;102(43):15545-50.
  26. Liberzon A, et al. The Molecular Signatures Database Hallmark Gene Set Collection. Cell Syst. 2015;1(6):417-25.
  27. Do LAH, et al. Host transcription profile in nasal epithelium and whole blood of hospitalized children under 2 years of age with respiratory syncytial virus infection. J Infect Dis. 2018;217(1):134-46.
  28. Ashburner M, et al. Gene Ontology: tool for the unification of biology. Nat Genet. 2000;25(1):25-9.
  29. The Gene Ontology Consortium. The Gene Ontology resource: enriching a GOld mine. Nucleic Acids Res. 2021;49(D1):D325-34.
  30. Gillespie M, et al. The Reactome pathway knowledgebase 2022. Nucleic Acids Res. 2022;50(D1):D687-92.
  31. Kuleshov MV, et al. Enrichr: a comprehensive gene set enrichment analysis web server 2016 update. Nucleic Acids Res. 2016;44(W1):W90-7.
  32. Schoggins JW, et al. A diverse range of gene products are effectors of the type I interferon antiviral response. Nature. 2011;472(7344):481-5.
  33. Schneider WM, Chevillotte MD, Rice CM. Interferon-stimulated genes: a complex web of host defenses. Annu Rev Immunol. 2014;32:513-45.
  34. Perng YC, Lenschow DJ. ISG15 in antiviral immunity and beyond. Nat Rev Microbiol. 2018;16(7):423-39.
  35. Schioppa T, et al. Molecular basis for CCRL2 regulation of leukocyte migration. Front Cell Dev Biol. 2020;8:615031.
  36. Avila Cobos F, et al. Benchmarking of cell type deconvolution pipelines for transcriptomics data. Nat Commun. 2020;11(1):5650.
  37. Maden SK, et al. Challenges and opportunities to computationally deconvolve heterogeneous tissue with varying cell sizes using single-cell RNA-sequencing datasets. Genome Biol. 2023;24(1):288.

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

鼻腔转录组血液转录组计算工作流程基因表达分析病毒感染队列生物标志物验证模块稳健性
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。