Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
Este estudio computacional presenta un flujo de trabajo con reconocimiento de compartimentos para evaluar transcriptomas públicos de virus respiratorios, demostrando que las respuestas del huésped en la nariz y la sangre muestran una concordancia limitada a nivel de genes, pero generan módulos específicos de compartimento reproducibles y biológicamente interpretables en diferentes conjuntos de datos independientes, comparaciones clínicas, recuperación longitudinal y análisis de robustez.
Los transcriptomas virales respiratorios públicos son valiosos para estudiar las respuestas del huésped, pero las diferencias en la fuente del tejido, la definición de los controles y el diseño del estudio pueden dificultar los análisis agrupados. Desarrollamos un flujo de trabajo computacional sensible a los compartimentos para determinar si se puede identificar una actividad reproductible en la respuesta del huésped preservando el contexto biológico nasal y sanguíneo. La cohorte pediátrica pareada GSE117827 sirvió como conjunto de datos de referencia, compuesta por transcriptomas de hisopados nasales y de sangre completa provenientes de infecciones sintomáticas por picornavirus, infecciones sintomáticas por virus respiratorio sincitial, detección asintomática de picornavirus y controles negativos para virus. Tras el filtrado según el Comité de Nomenclatura Genética HUGO (HGNC), se analizaron 27.685 genes. Se definieron módulos separados de 50 genes codificantes de proteínas para las muestras nasales y sanguíneas a partir de las respuestas positivas más altas, y se bloquearon antes de la evaluación externa. Los efectos a nivel génico en la nariz y en la sangre fueron casi independientes (coeficiente de Pearson r = 0,015), y los módulos compartieron seis genes con superposición en el rango exploratorio (índice de Jaccard = 0,064). No obstante, el módulo nasal separó las infecciones de los controles en cohortes independientes de las vías respiratorias superiores, con áreas bajo la curva de la característica operativa del receptor (AUROC) de 0,749, 0,693 y 0,609, mientras que el módulo sanguíneo alcanzó valores de AUROC de 0,832, 0,924 y 0,870 en cohortes sanguíneos externos. En datos longitudinales de infección natural, las puntuaciones emparejadas disminuyeron desde la enfermedad aguda hasta el alta, con deltas pareados de 0,436 para las muestras nasales y 0,330 para la sangre. Tres conjuntos de datos adicionales de referencia, que comprenden 666 muestras externas, junto con controles nulos de genes aleatorios, análisis de tamaño de módulos, estabilidad mediante bootstrap, correlaciones con programas marcadores y partición de varianza, definieron la robustez y las limitaciones del flujo de trabajo. El conjunto de 33 ácidos ribonucleicos mensajeros (ARNm) de Pandya siguió siendo más eficaz para la discriminación entre infecciones virales y bacterianas, mientras que el módulo sanguíneo también aumentó en la neumonía bacteriana. Estos hallazgos respaldan el uso de módulos específicos de compartimento como puntuaciones reutilizables de actividad en la respuesta del huésped para la comparación de cohortes y el seguimiento de la recuperación, en lugar de biomarcadores universales aplicables a todos los tejidos o clasificadores independientes de patógenos.
Las firmas transcriptómicas del huésped se utilizan ampliamente para clasificar síndromes infecciosos y comparar las respuestas inmunitarias entre patógenos1,2,3,4,5. Los virus respiratorios suelen activar genes estimulados por interferón (ISG), mediadores inflamatorios y vías de presentación de antígenos que se superponen6,7,8,9,10. Estudios recientes emparejados y longitudinales también muestran que las respuestas sistémicas y locales en las vías respiratorias pueden diferir en cuanto a su momento, composición celular y magnitud11. Este aspecto va más allá de la influenza, el virus respiratorio sincitial (VRS), el rinovirus y el SARS-CoV-2. El metapneumovirus humano sigue siendo una causa importante de enfermedades respiratorias, aunque su literatura sobre respuestas del huésped e intervenciones aún está en desarrollo12,13. Estas observaciones en infecciones por virus respiratorios resaltan aún más las diferencias entre las respuestas del huésped locales en las vías respiratorias y sistémicas14. Por lo tanto, para los estudios computacionales sobre virus y huésped, la pregunta práctica no es solo si existe una respuesta, sino si es posible reutilizar datos públicos mediante un flujo de trabajo transparente que conserve el contexto tisular y produzca puntuaciones de respuesta del huésped reproducibles.
La mayoría de los conjuntos de datos transcriptómicos públicos de virus respiratorios no fueron diseñados para inferencias limpias entre virus o entre tejidos. La fuente del tejido, el momento, la gravedad, la edad, la definición del control y la plataforma suelen variar conjuntamente. Los conjuntos de datos de expresión de alto rendimiento también son vulnerables a variaciones técnicas no deseadas y a variaciones a nivel de estudio15,16. Por lo tanto, un análisis agrupado puede recuperar una firma fuerte de interferón o inflamatoria mientras oculta su origen. Las muestras nasales capturan la biología inmune epitelial y mucosal, mientras que la sangre completa refleja las respuestas sistémicas de los leucocitos. Tratar estos compartimentos como intercambiables facilita el cálculo de una puntuación, pero dificulta su interpretación.
Construimos el análisis en torno a GSE117827, una cohorte apareada de nariz-sangre del mismo estudio, en lugar de la colección de descubrimiento disponible más grande17. La cohorte es pequeña, pero reduce los factores de confusión entre estudios al comparar los tamaños del efecto nasales y sanguíneos. Incluye infección sintomática por picornavirus, infección sintomática por VSR, detección asintomática de picornavirus y controles negativos para virus. Por lo tanto, la utilizamos únicamente como un ancla para módulos específicos de compartimentos separados. La pertenencia a los módulos se bloqueó antes de las pruebas externas. La estabilidad de la selección basada en la cohorte pequeña se examinó mediante remuestreo bootstrap estratificado, genes nulos aleatorios y análisis de sensibilidad del tamaño de los módulos.
Agregamos una capa de evaluación comparativa con bacterias y comparadores no infecciosos. GSE63990 contiene muestras de sangre completa de enfermedad respiratoria aguda etiquetadas como virales, bacterianas o no infecciosas18. GSE40012 contiene neumonía grave adquirida en la comunidad, síndrome de respuesta inflamatoria sistémica (SIRS) y controles sanos19. Estas cohortes permiten evaluar si un módulo refleja una actividad general de respuesta del huésped o una especificidad según la clase de patógeno. GSE53543 se analizó por separado como una referencia de perturbación ex vivo con células mononucleares de sangre periférica (PBMC) inducida por rinovirus. Este conjunto mide la capacidad de respuesta de los leucocitos ante un estímulo controlado, pero no es equivalente a una infección natural.
Nuestra premisa es deliberadamente conservadora. No intentamos demostrar una firma antiviral universal a partir de datos públicos heterogéneos. En cambio, nos preguntamos si un flujo de trabajo consciente del compartimento puede generar puntuaciones de módulo que sigan siendo útiles tras pruebas externas. El uso previsto es complementario a los clasificadores diagnósticos como el de Pandya de 33 ARNm. Estos módulos califican la actividad de respuesta del huésped en la nariz y la sangre a través de cohortes, recuperación y gradientes de síntomas. No están diseñados para asignar la clase de patógeno.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio reanalizó datos desidentificados y de acceso público, y no implicó nueva reclutación, intervención ni recolección de muestras. Por lo tanto, no se requirió aprobación ética institucional ni nuevo consentimiento informado para el presente análisis secundario. La aprobación ética y el consentimiento informado para los estudios originales fueron reportados por los generadores de datos respectivos.
Diseño del estudio y lógica del flujo de trabajo
Realizamos un estudio bioinformático retrospectivo con datos públicos utilizando conjuntos de datos depositados en el Gene Expression Omnibus20,21. No se generaron nuevas muestras de pacientes, experimentos de cultivo celular, modelos animales ni validaciones en laboratorio. El flujo de trabajo utilizó un diseño basado en anclaje inicial. GSE117827 se empleó para la estimación del tamaño del efecto, la construcción de módulos, la concordancia entre compartimentos y el análisis del gradiente de síntomas. Los conjuntos de datos independientes se introdujeron únicamente después de que se hubiera fijado la pertenencia a los módulos. El flujo de trabajo comprendió el anclaje por pares de compartimentos, la asignación HGNC y el filtrado de genes que codifican proteínas, la construcción independiente de módulos nasales y sanguíneos, la validación con tejidos homólogos y longitudinal, la comparación clínica y los análisis de robustez. Los análisis confirmatorios incluyeron pruebas fijas con tejidos homólogos y análisis longitudinales. Los análisis de solapamiento génico, gradiente de síntomas, programas marcadores y varianza fueron exploratorios o descriptivos.
Cohorte de referencia y contraste principal
GSE117827 contiene perfiles de expresión de hisopados nasales y sangre completa de 26 niños: 9 casos sintomáticos con picornavirus, 5 detecciones asintomáticas de picornavirus, 6 casos sintomáticos con VSR y 6 controles asintomáticos negativos para virus17. Dos casos de VSR carecían de muestras de sangre. Por lo tanto, el diseño completo de referencia incluyó 50 muestras, y el contraste principal entre infectados y controles incluyó 40 muestras tras excluir las detecciones asintomáticas de picornavirus de la construcción del módulo. Para el contraste principal, las muestras sintomáticas con picornavirus y las muestras sintomáticas con VSR se etiquetaron como infectadas, y las muestras asintomáticas negativas para virus se etiquetaron como controles. Las detecciones asintomáticas de picornavirus no se consideraron controles porque la detección viral sin síntomas es biológicamente distinta de la salud negativa para virus. Estas muestras se excluyeron de la construcción del módulo y posteriormente se utilizaron para un análisis de gradiente de síntomas.
Mapeo de sondas y preprocesamiento
GSE117827 fue perfilado en GPL23126. Los identificadores de grupos de transcritos se asociaron a símbolos génicos utilizando el archivo de anotación Clariom D Human na36, hg38 distribuido a través de la plataforma GEO GPL24539. Solo se conservaron los símbolos aprobados por HGNC22. Se eliminaron las sondas de control, las sondas ERCC, los grupos de transcritos sin mapear y los símbolos no aprobados. Los múltiples grupos de transcritos que se mapearon al mismo símbolo aprobado se combinaron mediante la expresión mediana. Tras el filtrado y la combinación, quedaron disponibles 27.685 genes para el análisis de anclaje. Se aplicó una transformación log₂(x + 1) únicamente cuando el percentil 95 de la matriz de expresión superó 50, lo que indicaba una escala de intensidad sin transformar. Se eliminaron los genes con más del 20 % de valores ausentes; los valores ausentes restantes se sustituyeron por la mediana dentro del gen. A continuación, cada gen se estandarizó en todas las muestras de ese conjunto de datos como z = (x − media)/desviación estándar muestral (ddof = 1). A los genes con varianza cero se les asignó un valor estandarizado de 0. La construcción de módulos se limitó a las entradas clasificadas como genes codificantes de proteínas en el conjunto completo de HGNC.
Análisis del tamaño del efecto y construcción de módulos
Los compartimentos nasales y sanguíneos se analizaron por separado. Las muestras virales sintomáticas se compararon con los controles negativos para virus mediante diferencias medias estandarizadas de Hedges g y pruebas de Welch bilaterales23. Hedges g se calculó como la diferencia media entre infectados y controles dividida por la desviación estándar agrupada, multiplicada por la corrección para muestras pequeñas 1 − 3/(4df − 1), donde df = ninfected + ncontrol − 2. Las pruebas de Welch se realizaron considerando varianzas desiguales. Las tasas de falsos descubrimientos de Benjamini–Hochberg se calcularon para todos los genes analizados dentro de cada compartimento24. Dado que ningún gen codificante de proteína cumplió la combinación estricta preestablecida de FDR < 0,05 y Hedges g > 0,8 en la pequeña cohorte de anclaje, los genes con efecto positivo se ordenaron primero por valor de P de Welch bilateral ascendente y luego por Hedges g descendente, utilizando el símbolo del gen como criterio determinista final para desempatar. Los 50 genes principales formaron cada módulo primario. Se eligió un tamaño de módulo de 50 genes a priori como una medida moderada que conserva la amplitud biológica limitando al mismo tiempo la pérdida de genes ausentes entre plataformas. Este tamaño de módulo no se ajustó según AUROC externo. Los análisis de sensibilidad con 10, 25, 50, 100 y 200 genes arrojaron el mismo resultado cualitativo de separación del anclaje. El objetivo fue la reproducibilidad a nivel de módulo, no el descubrimiento de genes individuales.
Concordancia entre compartimentos
Las estimaciones de Hedges g en mucosa nasal y sangre se alinearon por gen y se compararon mediante correlaciones de Pearson y Spearman. La superposición entre los 50 principales módulos nasales y los 50 principales módulos sanguíneos se resumió mediante el recuento de superposición y el índice de Jaccard. Los genes superpuestos se interpretaron como candidatos exploratorios de superposición de rangos entre compartimentos, más que como biomarcadores conservados validados.
Validación externa con tejidos coincidentes
La validación mediante puntuaciones de módulos utilizó conjuntos de datos públicos independientes con grupos de origen interpretables. La validación en vías respiratorias superiores incluyó muestras de lavado nasal de RSV del conjunto GSE41374 y los conjuntos de datos de SARS-CoV-2 GSE152075 y GSE156063. La validación en sangre incluyó GSE171110 y dos unidades del conjunto GSE38900 normalizadas por separado: GPL10558 (36 muestras; 28 de RSV y 8 controles) y GPL6884 (138 muestras; 107 de RSV y 31 controles). Para cada conjunto de datos externo, las sondas se asignaron a símbolos HGNC, y los símbolos duplicados se redujeron mediante la expresión mediana. Se aplicaron dentro de cada conjunto de datos las mismas reglas de transformación, filtrado de valores ausentes, imputación mediana y estandarización por gen mediante z, que se utilizaron para el conjunto de datos de referencia. Se calculó una puntuación de módulo como la media no ponderada de los valores de expresión estandarizados para los genes del módulo representado. Se informaron el AUROC, la precisión media y el FDR del test de Welch como métricas de portabilidad, no como estimaciones del rendimiento diagnóstico clínico.
Grandes conjuntos de datos de referencia clínica y perturbación ex vivo
Se utilizaron dos conjuntos de datos de sangre completa como referencias clínicas en lugar de cohortes de descubrimiento. En GSE63990, las muestras se asignaron según los metadatos depositados sobre el estado de infección a infección respiratoria viral (n = 117), infección respiratoria bacteriana (n = 73) o enfermedad no infecciosa (n = 90); se excluyeron las muestras que no tenían una de estas etiquetas inequívocas18. En GSE40012, los campos de diagnóstico depositados se asignaron a neumonía por influenza A (n = 39), neumonía bacteriana sin influenza (n = 61), SIRS sin neumonía (n = 40), controles sanos (n = 36) o neumonía bacteriana/influenza mixta (n = 14)19. Las muestras de neumonía bacteriana/influenza mixta fueron descritas pero excluidas de los contrastes binarios de referencia.
GSE53543 contiene 196 perfiles de PBMC ex vivo de 98 individuos. Cada individuo aportó una muestra solo con medio y una muestra expuesta al rinovirus 16 durante 24 h; los identificadores de los sujetos confirmaron 98 pares completos. La evaluación principal informó el AUROC entre las 98 muestras estimuladas y las 98 no estimuladas, ya que el AUROC es una métrica de separación por rangos. El emparejamiento de sujetos se mantuvo en los metadatos y se utilizó en un análisis de sensibilidad pareado de las diferencias de puntuación. Este experimento se analizó por separado de la infección clínica natural y no se utilizó para respaldar afirmaciones diagnósticas clínicas.
Se descargaron matrices crudas de series GEO para GSE63990, GSE40012 y GSE53543. Se utilizó GPL571 para GSE63990, GPL6947 para GSE40012 y GPL10558 para GSE53543. Las sondas se asignaron a símbolos aprobados por HGNC, y las asignaciones duplicadas se redujeron mediante la expresión mediana. Se utilizaron matrices normalizadas depositadas. La regla general del percentil 95 activó la transformación log₂(x + 1) únicamente para matrices en una escala no logarítmica. GSE53543 ya estaba transformado con log₂, normalizado por invariancia de rango y ajustado por el día de procesamiento por los investigadores originales, por lo que no se aplicó ninguna transformación logarítmica adicional. Tras eliminar los genes con más del 20 % de valores ausentes e imputar mediante la mediana los valores faltantes restantes, cada gen se estandarizó mediante z en todas las muestras dentro de su conjunto de datos. La capa de referencia contenía 470 muestras clínicas de sangre total y 196 muestras de PBMC ex vivo.
Comparación de referencia mediante firmas
Los módulos nasales y sanguíneos de referencia se compararon frente a tres conjuntos de referencia no ponderados. El conjunto oficial de 33 ARNm de Pandya se transcribió de la Tabla Suplementaria 1 del informe original del clasificador5. El comparador de Andres-Terre constaba de 33 genes orientados a interferón, curados a partir de la firma multiviral reportada3. El comparador Hallmark incluía un subconjunto de 33 genes centrales de interferón-alfa asociado al conjunto MSigDB HALLMARK_INTERFERON_ALPHA_RESPONSE25,26. Las listas completas de genes para los tres conjuntos de referencia se proporcionan en Datos Suplementarios 1. Estas puntuaciones de referencia no recrean los clasificadores ponderados originales. Para cada conjunto de datos, se calculó una puntuación como la media no ponderada de las puntuaciones z por gen disponibles; se requirió al menos la presencia de tres genes representados, y se informó el número de genes representados. Las comparaciones de referencia fueron: viral frente a bacteriano, viral frente a no infeccioso, viral frente a bacteriano-o-no infeccioso, viral frente a sano/control, y bacteriano frente a sano/control, siempre que los grupos requeridos estuvieran disponibles. El AUROC y la precisión media se interpretaron como métricas de comparación. Los valores P del test de Welch se ajustaron mediante el procedimiento de Benjamini–Hochberg en todas las combinaciones válidas de conjunto de datos-comparación-módulo en la tabla de comparación.
Validación longitudinal independiente
Los conjuntos de datos pareados agudo-frente-a-alta GSE97741 y GSE97742 se utilizaron únicamente para la validación longitudinal27. Las muestras etiquetadas como infección única por VSR (RSVsi) o rinovirus (hRV) en los metadatos depositados conformaron el análisis principal; las coinfecciones por VSR (RSVco) se incluyeron solamente en los resultados suplementarios. Las etiquetas de agudo y de alta se extrajeron de los títulos de las muestras. Las muestras se emparejaron por conjunto de datos, compartimento, grupo viral e identificador del sujeto, y solo se conservaron los sujetos con ambos puntos temporales. El grupo combinado principal comprendió 38 pares de RSVsi y 30 pares de hRV (68 pares por compartimento).
No se utilizó selección de genes, refinamiento de módulos ni ajuste de umbrales con GSE97741 o GSE97742. Estos conjuntos de datos se reservaron para validación externa. Los identificadores de sondas se asociaron a símbolos HGNC aprobados, y los símbolos duplicados se redujeron mediante la expresión mediana. Se aplicó la misma regla de transformación logarítmica al percentil 95, filtro de valores ausentes, imputación mediana y procedimientos de estandarización por gen z por conjunto de datos antes de calcular los puntajes fijos de los módulos de GSE117827.
Para cada tejido y módulo, las puntuaciones agudas y de alta se emparejaron por sujeto y grupo viral. Se calculó la diferencia entre aguda y de alta para cada par. El coeficiente dz de Cohen se calculó como la media de las diferencias emparejadas dividida por su desviación estándar muestral. Se presentaron pruebas t emparejadas bilaterales y pruebas de rangos con signo de Wilcoxon bilaterales, junto con el área bajo la curva ROC (AUROC) para la separación de las puntuaciones aguda y de alta. Se calcularon los valores FDR de Benjamini–Hochberg en las 20 pruebas t emparejadas válidas en la salida longitudinal completa (dos conjuntos de datos, dos fuentes de módulos y cinco resúmenes preespecificados por grupo viral).
Análisis del gradiente de síntomas y análisis post hoc
Después de que se fijó la pertenencia a los módulos, las detecciones de picornavirus asintomáticas retenidas en GSE117827 se utilizaron únicamente para el análisis del gradiente de síntomas. La puntuación clínica ordinal fue 0 para los controles negativos al virus, 1 para las detecciones asintomáticas de picornavirus y 2 para la infección sintomática. La correlación de Spearman evaluó la tendencia ordinal, mientras que la prueba de Kruskal-Wallis evaluó las diferencias generales entre los tres grupos. Las pruebas post hoc de Mann-Whitney U bilaterales compararon los tres pares de grupos. Se aplicó la corrección de Benjamini-Hochberg por separado dentro de cada compartimento a su familia de tres comparaciones por pares.
Enriquecimiento funcional
Los genes de los módulos nasales y sanguíneos se analizaron con Enrichr mediante gseapy utilizando las bibliotecas MSigDB Hallmark 2020, Reactome 2022 y GO Biological Process 2023.25,26,28,29,30,31. Enrichr utilizó su marco estándar de sobre-representación basado en la prueba exacta de Fisher. Ajuste de Benjamini-Hochberg informado por la biblioteca P valores < 0,05 se consideraron significativos. Los ocho términos más significativos por módulo en las tres bibliotecas consultadas fueron ordenados por valor de ajuste P valor. Los resultados de enriquecimiento se utilizaron únicamente para interpretación.
Análisis de robustez, programa de marcadores y varianza
Los análisis de robustez evaluaron si los resultados dependían del tamaño del módulo o de la selección aleatoria. Se evaluaron tamaños de módulos de 10, 25, 50, 100 y 200 genes. Para el análisis nulo de genes aleatorios, el universo elegible comprendió los genes codificadores de proteínas HGNC representados en la matriz GSE117827 procesada. Se seleccionaron quinientos conjuntos de 50 genes sin reemplazo, utilizando una semilla aleatoria de NumPy de 20260622. La reselección bootstrap se limitó a los 1.000 genes codificadores de proteínas con efecto positivo clasificados más alto en el análisis original de anclaje para cada compartimento. En cada remuestreo, los genes codificadores de proteínas positivos se ordenaron por valor P de Welch bilateral ascendente y luego por diferencia media descendente. Se seleccionaron los 50 genes superiores. La estabilidad génica se calculó como el número de selecciones dividido por 100. Se mostraron los 20 genes con la frecuencia de selección más alta en cada compartimento.
Las puntuaciones de los programas marcadores se utilizaron como herramientas descriptivas en lugar de estimaciones de fracción celular. Se evaluaron seis programas curados: epitelial (EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1), monocito/macrófago (LYZ, LST1, S100A8, S100A9, FCGR3A, FCGR1A, CD14, MS4A7, CTSS), neutrófilo (S100A8, S100A9, MPO, ELANE, CEACAM8, FCGR3B, OLFM4, MMP8), T/NK (CD3D, CD3E, TRAC, NKG7, GNLY, PRF1, GZMB, KLRD1, IL7R), B/plasmocito (MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1), e interferón mieloide (SIGLEC1, IFI27, IFI44L, ISG15, MX1, OAS1, RSAD2, IFIT3). Cada puntuación de programa se calculó como la media de las puntuaciones z por gen disponibles, requiriéndose al menos tres genes representados. Los valores P de Spearman se ajustaron utilizando el procedimiento de Benjamini–Hochberg en toda la familia de correlaciones entre conjunto de datos, módulo y programa. Se calculó eta al cuadrado unidireccional como la suma de cuadrados entre grupos dividida por la suma total de cuadrados para cada par módulo-factor. Las filas que carecían del factor relevante se excluyeron de ese cálculo. Este análisis fue descriptivo y no realizó ajustes por factores mutuamente correlacionados.
Reproducibilidad
Todos los análisis se realizaron utilizando flujos de trabajo por script en Python 3.12.13, con los paquetes de software y versiones indicados en la Tabla de materiales. Los procedimientos aleatorizados utilizaron una semilla fija de 20260622. Las matrices de expresión públicas de GEO se procesaron utilizando una estructura de proyecto consistente que separaba las entradas crudas, los datos procesados, los resultados estadísticos, las tablas y las figuras. Se conservaron las definiciones de módulos, los registros de curación de muestras, las estimaciones del tamaño del efecto, las estadísticas de validación, los resultados de enriquecimiento, los análisis de robustez y los datos fuente de las figuras para facilitar la verificación independiente. El código de análisis, las especificaciones de dependencias y los datos derivados de apoyo están disponibles según se describe en la declaración de disponibilidad de datos.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
La evaluación por etapa de anclaje separó los efectos génicos específicos de tejido de los efectos génicos pan-tejido
La matriz de anclaje curada GSE117827 contenía 27.685 genes aprobados por HGNC. El contraste principal nasal incluyó 15 muestras de individuos infectados sintomáticos y 6 muestras de control negativas al virus; el contraste sanguíneo incluyó 13 muestras de individuos infectados sintomáticos y 6 controles (Tabla 1). Dado que esta pequeña cohorte no puede sustentar un d...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
La lección principal es operativa: comience con el compartimento muestreado, no con la matriz agrupada más grande. GSE117827 es pequeño, pero su diseño pareado permite una comparación directa entre nariz y sangre dentro de un mismo estudio. La correlación casi nula del efecto a nivel génico muestra que una lista de rangos pan-tisular agrupada ocultaría una estructura compartimental considerable. Por lo tanto, los módulos separados representaron un diseño más justificable. Su rendimiento externo y longitudinal respalda un...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores declaran no tener conflictos de intereses financieros ni no financieros relacionados con este trabajo.
Los autores agradecen a los investigadores y participantes de los estudios públicos de GEO reanalizados en este trabajo. Ninguna persona adicional cumplió con los criterios para la autoría. Esta investigación no recibió ninguna subvención específica de ninguna agencia financiadora en los sectores público, comercial o sin fines de lucro.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Conjunto de genes estimulados por interferón multipatógeno de Andres-Terre | Andres-Terre et al. | Comparador de 33 genes; Datos Suplementarios 1 | Comparador orientado al interferón sin ponderar, curado a partir de la firma multipatógeno reportada; la lista completa de genes se proporciona en los Datos Suplementarios 1. |
| Enrichr | Laboratorio Ma'ayan | Accedido el 18 de agosto de 2026; RRID:SCR_001575 | Recurso de sobre-representación de conjuntos de genes al que se accedió mediante gseapy. |
| Gene Expression Omnibus | Centro Nacional de Información Biotecnológica | GEO; RRID:SCR_005012 | Repositorio público de transcriptomas utilizado para acceder a los conjuntos de datos analizados. |
| Gene Ontology | Consortium de Gene Ontology | Proceso Biológico GO 2023; RRID:SCR_002811 | Biblioteca de anotación funcional utilizada a través de Enrichr. |
| GPL10558 | NCBI GEO | GPL10558 | Plataforma para GSE53543 y la unidad de validación GSE38900 de 36 muestras. |
| GPL23126 | NCBI GEO | GPL23126 | Plataforma de expresión para GSE117827. |
| GPL24539 | NCBI GEO | Clariom_D_Human.na36.hg38. probeset.csv | Anotación Clariom D Humano na36, hg38 utilizada para la asignación de grupos de transcritos en GSE117827. |
| GPL571 | NCBI GEO | GPL571 | Anotación de plataforma aplicada a GSE63990. |
| GPL6884 | NCBI GEO | GPL6884 | Plataforma para la unidad de validación de sangre completa de 138 muestras de GSE38900 frente al VSR. |
| GPL6947 | NCBI GEO | GPL6947 | Anotación de plataforma aplicada a GSE40012. |
| GSE117827 | NCBI GEO | GSE117827 | Conjunto de datos principal ancla de hisopado nasal y sangre completa emparejados. |
| GSE152075 | NCBI GEO | GSE152075 | Conjunto de datos externo de validación de vías respiratorias superiores frente al SARS-CoV-2. |
| GSE156063 | NCBI GEO | GSE156063 | Conjunto de datos externo de validación de vías respiratorias superiores frente al SARS-CoV-2. |
| GSE171110 | NCBI GEO | GSE171110 | Conjunto de datos externo de validación de sangre completa frente al SARS-CoV-2. |
| GSE38900 | NCBI GEO | GSE38900; GPL10558 y GPL6884 | Validación externa de sangre completa frente al VSR analizada como unidades de plataforma de 36 y 138 muestras normalizadas por separado. |
| GSE40012 | NCBI GEO | GSE40012 | Referencia clínica de neumonía por influenza A, neumonía bacteriana, SIRS y controles sanos. |
| GSE41374 | NCBI GEO | GSE41374 | Conjunto de datos externo de validación de lavado nasal frente al VSR. |
| GSE53543 | NCBI GEO | GSE53543 | Referencia de perturbación ex vivo de PBMC con rinovirus emparejada, que incluye 98 sujetos y 196 muestras. |
| GSE63990 | NCBI GEO | GSE63990 | Referencia clínica de sangre completa frente a infecciones virales, bacterianas y no infecciosas. |
| GSE97741 | NCBI GEO | GSE97741 | Conjunto de datos de validación longitudinal de sangre completa aguda frente al alta. |
| GSE97742 | NCBI GEO | GSE97742 | Conjunto de datos de validación longitudinal de nasofaringe aguda frente al alta. |
| gseapy | Desarrolladores de gseapy | Versión 1.3.1 | Interfaz de Python utilizada para consultar Enrichr. |
| Recurso de símbolos génicos HGNC | Comité de Nomenclatura Genética HUGO | Accedido el 18 de agosto de 2026; RRID:SCR_002827 | Recurso de normalización de símbolos génicos aprobados y clasificación de codificación proteica. |
| Matplotlib | Equipo de desarrollo de Matplotlib | Versión 3.11.1 | Generación de figuras. |
| Conjuntos de genes MSigDB Hallmark | Instituto Broad | Hallmark 2020; RRID:SCR_016863 | Biblioteca de enriquecimiento Hallmark a la que se accedió a través de Enrichr. |
| Conjunto de genes de respuesta al interferón-alfa MSigDB Hallmark | Instituto Broad | HALLMARK_INTERFERON_ALPHA_ RESPONSE; subconjunto principal de 33 genes en Datos Suplementarios 1 | Comparador sin ponderar de interferón-alfa; el subconjunto exacto se proporciona en Datos Suplementarios 1. |
| NumPy | Desarrolladores de NumPy | Versión 2.5.2 | Cálculo numérico y muestreo aleatorio con semilla. |
| pandas | Equipo de desarrollo de pandas | Versión 3.0.5 | Procesamiento de datos tabulares. |
| Conjunto de 33 ARNm de respuesta del huésped de Pandya | Pandya et al. | Tabla Suplementaria 1; Datos Suplementarios 1 | Conjunto oficial de 33 genes puntuado como comparador sin ponderar. |
| Python | Fundación Python Software | Versión 3.12.13 | Entorno de análisis computacional. |
| Reactome | Reactome | Reactome 2022; RRID:SCR_003485 | Biblioteca de enriquecimiento de vías a la que se accedió a través de Enrichr. |
| scikit-learn | Desarrolladores de scikit-learn | Versión 1.9.0 | Cálculos de AUROC y precisión media. |
| SciPy | Desarrolladores de SciPy | Versión 1.18.0 | Pruebas de Welch, t pareada, Wilcoxon, Mann–Whitney y correlación. |
| Seaborn | Equipo de desarrollo de Seaborn | Versión 0.13.2 | Gráficos estadísticos. |
| statsmodels | Desarrolladores de statsmodels | Versión 0.14.6 | Utilidades estadísticas. |
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.