È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo di ricerca
Questo studio computazionale presenta un flusso di lavoro consapevole dei compartimenti per la valutazione di trascrittomi pubblici di virus respiratori, dimostrando che le risposte dell'ospite a livello nasale e sanguigno mostrano una concordanza genica limitata, ma producono moduli specifici per compartimento riproducibili e biologicamente interpretabili in diversi set di dati indipendenti, confronti clinici, recupero longitudinale e analisi di robustezza.
I trascrittomi pubblici dei virus respiratori sono preziosi per lo studio delle risposte dell'ospite, ma le differenze nella fonte del tessuto, nella definizione dei controlli e nel disegno dello studio possono ostacolare le analisi combinate. Abbiamo sviluppato un flusso di lavoro computazionale consapevole del compartimento per determinare se sia possibile identificare un'attività riproducibile della risposta dell'ospite mantenendo il contesto biologico nasale e sanguigno. La coorte pediatrica accoppiata GSE117827 ha funto da dataset di riferimento, comprendente trascrittomi di tamponi nasali e del sangue intero provenienti da infezioni sintomatiche da picornavirus, infezioni sintomatiche da virus respiratorio sinciziale, rilevamento asintomatico di picornavirus e controlli negativi al virus. Dopo il filtraggio da parte del comitato per la nomenclatura genica HUGO (HGNC), sono stati analizzati 27.685 geni. Sono stati definiti separatamente moduli nasali e sanguigni di 50 geni codificanti proteine a partire dalle risposte positive più elevate e successivamente bloccati prima della valutazione esterna. Gli effetti a livello genico nei compartimenti nasale e sanguigno erano quasi indipendenti (r di Pearson = 0,015) e i moduli condividevano sei geni di sovrapposizione esplorativa (indice di Jaccard = 0,064). Tuttavia, il modulo nasale ha distinto l'infezione dai controlli in coorti indipendenti delle vie aeree superiori, con aree sotto la curva caratteristica operativa del ricevitore (AUROC) di 0,749, 0,693 e 0,609, mentre il modulo sanguigno ha raggiunto valori AUROC di 0,832, 0,924 e 0,870 in coorti sanguigne esterne. In dati longitudinali di infezione naturale, i punteggi abbinati sono diminuiti dalla fase acuta alla dimissione, con delta accoppiati di 0,436 per i campioni nasali e 0,330 per il sangue. Tre ulteriori dataset di riferimento, comprendenti 666 campioni esterni, insieme a geni casuali nulli, analisi di dimensione del modulo, stabilità bootstrap, correlazioni con programmi di marcatori e partizione della varianza, hanno definito la robustezza e i limiti del flusso di lavoro. Il set di 33 acidi ribonucleici messaggeri (mRNA) di Pandya si è confermato più efficace nella discriminazione tra infezioni virali e batteriche, mentre il modulo sanguigno è aumentato anche nella polmonite batterica. Questi risultati supportano l'uso di moduli specifici del compartimento come punteggi riutilizzabili dell'attività della risposta dell'ospite per il confronto tra coorti e il monitoraggio della ripresa, piuttosto che come biomarcatori universali validi per tutti i tessuti o classificatori autonomi di patogeni.
Le firme trascrittomiche dell'ospite sono ampiamente utilizzate per classificare i sindromi infettivi e confrontare le risposte immunitarie tra diversi patogeni1,2,3,4,5. I virus respiratori spesso attivano geni stimolati dall'interferone (ISG), mediatori infiammatori e vie di presentazione dell'antigene che si sovrappongono6,7,8,9,10. Studi recenti accoppiati e longitudinali mostrano inoltre che le risposte locali delle vie aeree e quelle sistemiche possono differire per tempistica, composizione cellulare e intensità11. Questo aspetto riguarda non solo l'influenza, il virus respiratorio sinciziale (RSV), il rhinovirus e il SARS-CoV-2. Il metapneumovirus umano rimane una causa importante di malattie respiratorie, tuttavia la letteratura relativa alla risposta dell'ospite e alle interventi terapeutici è ancora in fase di sviluppo12,13. Queste osservazioni effettuate su diverse infezioni da virus respiratori evidenziano ulteriormente le differenze tra le risposte locali delle vie aeree e quelle sistemiche dell'ospite14. Per gli studi computazionali sull'interazione ospite-virus, la domanda pratica non è quindi soltanto se una risposta esista. È piuttosto se i dati pubblici possano essere riutilizzati attraverso un flusso di lavoro trasparente che preservi il contesto tissutale e produca punteggi riproducibili della risposta dell'ospite.
La maggior parte dei dataset pubblici di trascrittomica per i virus respiratori non è stata progettata per consentire un'analisi incrociata pulita tra virus diversi o tra tessuti diversi. La fonte del tessuto, il momento temporale, la gravità, l'età, la definizione del gruppo di controllo e la piattaforma variano spesso contemporaneamente. I dataset di espressione ad alto rendimento sono inoltre vulnerabili a variazioni tecniche indesiderate e a variazioni a livello di studio15,16. Un'analisi aggregata può quindi recuperare una firma interferonica o infiammatoria marcata, ma al contempo oscurarne l'origine. I campioni nasali catturano la biologia immunitaria epiteliale e mucosale, mentre il sangue intero riflette le risposte leucocitarie sistemiche. Trattare questi compartimenti come intercambiabili rende semplice il calcolo di un punteggio, ma ne complica l'interpretazione.
Abbiamo basato l'analisi su GSE117827, una coorte nasale-sanguigna appaiata proveniente dallo stesso studio, piuttosto che sulla più ampia raccolta disponibile per la scoperta17. La coorte è di piccole dimensioni, ma riduce i fattori di confondimento tra studi quando vengono confrontate le dimensioni degli effetti a livello nasale e sanguigno. Include infezione sintomatica da picornavirus, infezione sintomatica da RSV, rilevamento asintomatico di picornavirus e controlli negativi per il virus. L'abbiamo quindi utilizzata soltanto come punto di riferimento per moduli specifici di compartimenti separati. L'appartenenza ai moduli è stata bloccata prima dei test esterni. La stabilità della selezione basata sulla coorte ridotta è stata esaminata mediante ricampionamento bootstrap stratificato, analisi di geni casuali come valori nulli e analisi di sensibilità della dimensione dei moduli.
Abbiamo aggiunto un livello di confronto con comparatori batterici e non infettivi. GSE63990 contiene campioni di sangue intero da pazienti con malattie respiratorie acute etichettati come virali, batterici o non infettivi18. GSE40012 contiene casi di polmonite grave acquisita in ambito comunitario, sindrome da risposta infiammatoria sistemica (SIRS) e controlli sani19. Questi gruppi permettono di verificare se un modulo riflette un'attività generale della risposta dell'ospite o una specificità per classe di patogeno. GSE53543 è stato analizzato separatamente come confronto per una perturbazione da rinovirus in cellule mononucleate del sangue periferico (PBMC) es vivo. Questo dataset misura la reattività dei leucociti in risposta a uno stimolo controllato, ma non è equivalente a un'infezione naturale.
La nostra premessa è deliberatamente conservativa. Non cerchiamo di dimostrare una firma antivirale universale a partire da dati pubblici eterogenei. Piuttosto, ci chiediamo se un flusso di lavoro consapevole dei compartimenti possa produrre punteggi di modulo che rimangano utili dopo un test esterno. L'uso previsto è complementare ai classificatori diagnostici come il Pandya 33-mRNA. Questi moduli quantificano l'attività della risposta dell'ospite nel naso e nel sangue attraverso coorti diverse, la ripresa e i gradienti dei sintomi. Non sono progettati per assegnare una classe di patogeno.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Questo studio ha riesaminato dati anonimi e pubblicamente disponibili e non ha comportato nuovi reclutamenti, interventi o raccolta di campioni. Pertanto, per la presente analisi secondaria non è stata richiesta l'approvazione etica istituzionale né un nuovo consenso informato. L'approvazione etica e il consenso informato per gli studi originali sono stati riportati rispettivamente dai generatori dei dati.
Progettazione dello studio e logica del flusso di lavoro
Abbiamo condotto uno studio bioinformatico retrospettivo basato su dati pubblici, utilizzando set di dati depositati nel Gene Expression Omnibus20,21. Non sono stati generati nuovi campioni da pazienti, esperimenti di coltura cellulare, modelli animali o validazioni in laboratorio. Il flusso di lavoro ha adottato un approccio basato sull'ancoraggio iniziale. Il dataset GSE117827 è stato utilizzato per la stima dell'effetto, la costruzione dei moduli, l'analisi della concordanza tra compartimenti e l'analisi del gradiente sintomatologico. Dataset indipendenti sono stati introdotti soltanto dopo aver fissato l'appartenenza ai moduli. Il flusso di lavoro comprendeva l'ancoraggio a coppie di compartimenti, il mappaggio HGNC e il filtraggio per geni codificanti proteine, la costruzione separata di moduli per naso e sangue, la validazione in tessuti omologhi e longitudinale, il confronto con parametri clinici e analisi di robustezza. Le analisi di conferma comprendevano test bloccati su tessuti omologhi e analisi longitudinali. Le analisi sull'overlap genico, sul gradiente sintomatologico, sui programmi marcatore e sulla varianza erano esplorative o descrittive.
Cohorte di riferimento e confronto principale
GSE117827 contiene profili di espressione da tamponi nasali e sangue intero di 26 bambini: 9 casi sintomatici di picornavirus, 5 rilevamenti asintomatici di picornavirus, 6 casi sintomatici di RSV e 6 controlli asintomatici negativi al virus17. A due casi di RSV mancavano i campioni di sangue. La progettazione completa della coorte di riferimento comprendeva quindi 50 campioni, mentre il confronto principale infetti contro controlli includeva 40 campioni, escludendo i rilevamenti asintomatici di picornavirus dalla costruzione dei moduli. Per il confronto principale, i campioni sintomatici di picornavirus e quelli sintomatici di RSV sono stati etichettati come infetti, mentre i campioni asintomatici negativi al virus sono stati etichettati come controlli. I rilevamenti asintomatici di picornavirus non sono stati considerati controlli poiché il rilevamento virale in assenza di sintomi è biologicamente distinto dalla salute negativa al virus. Questi campioni sono stati esclusi dalla costruzione dei moduli e successivamente utilizzati per un'analisi del gradiente sintomatologico.
Mappatura delle sonde e pre-elaborazione
GSE117827 è stato profilato su GPL23126. Gli identificatori dei cluster trascrizionali sono stati associati ai simboli genici utilizzando il file di annotazione Clariom D Human na36, hg38 distribuito tramite la piattaforma GEO GPL24539. Sono stati mantenuti solo i simboli approvati da HGNC22. Sono state rimosse le sonde di controllo, le sonde ERCC, i cluster trascrizionali non mappati e i simboli non approvati. I multipli cluster trascrizionali associati allo stesso simbolo approvato sono stati raggruppati calcolando l'espressione mediana. Dopo il filtraggio e il raggruppamento, sono risultati disponibili 27.685 geni per l'analisi degli ancoraggi. Una trasformazione log₂(x + 1) è stata applicata solo quando il 95° percentile della matrice di espressione superava 50, indicando una scala di intensità non logaritmica. I geni con oltre il 20% di valori mancanti sono stati eliminati; i valori mancanti rimanenti sono stati sostituiti con la mediana del gene. Successivamente, ogni gene è stato standardizzato su tutti i campioni di quel dataset come z = (x − media)/deviazione standard campionaria (ddof = 1). Ai geni con varianza nulla è stato assegnato un valore standardizzato pari a 0. La costruzione dei moduli è stata limitata alle voci classificate come geni codificanti proteine nel set completo HGNC.
Analisi dell'effetto dimensionale e costruzione dei moduli
I compartimenti nasale e sanguigno sono stati analizzati separatamente. I campioni virali sintomatici sono stati confrontati con i controlli negativi al virus utilizzando le differenze medie standardizzate di Hedges g e test di Welch a due code23. Hedges g è stato calcolato come la differenza media tra infetto e controllo divisa per la deviazione standard combinata, moltiplicata per la correzione per piccoli campioni 1 − 3/(4df − 1), dove df = ninfected + ncontrol − 2. I test di Welch sono stati eseguiti assumendo varianze disuguali. I tassi di falsa scoperta di Benjamini–Hochberg sono stati calcolati su tutti i geni testati all'interno di ciascun compartimento24. Poiché nessun gene codificante proteine soddisfaceva la combinazione prespecificata rigorosa di FDR < 0,05 e Hedges g > 0,8 nella piccola coorte di riferimento, i geni con effetto positivo sono stati ordinati prima in base al valore P di Welch a due code in ordine crescente, quindi in base a Hedges g in ordine decrescente, utilizzando il simbolo genico come criterio deterministico finale per lo spareggio. I primi 50 geni hanno formato ciascun modulo principale. Un numero di 50 geni è stato scelto a priori come dimensione moderata del modulo, in grado di mantenere un'ampia rilevanza biologica limitando al contempo la perdita di geni mancanti tra diverse piattaforme. Questa dimensione del modulo non è stata ottimizzata rispetto all’AUROC esterno. Analisi di sensibilità basate su 10, 25, 50, 100 e 200 geni hanno prodotto lo stesso risultato qualitativo di separazione della coorte di riferimento. L'obiettivo era la riproducibilità a livello di modulo, non la scoperta di singoli geni.
Concordanza tra compartimenti
Le stime di Hedges g a livello nasale e sanguigno sono state allineate per gene e confrontate utilizzando le correlazioni di Pearson e di Spearman. L'overlapping tra i primi 50 moduli nasali e i primi 50 moduli sanguigni è stato riassunto mediante il conteggio dell'intersezione e l'indice di Jaccard. I geni sovrapposti sono stati interpretati come candidati esplorativi di sovrapposizione tra ranghi in diversi compartimenti, piuttosto che come biomarcatori conservati e validati.
Validazione esterna con tessuti abbinati
La validazione del punteggio del modulo ha utilizzato set di dati pubblici indipendenti con gruppi di origine interpretabili. La validazione delle vie aeree superiori ha incluso i campioni di lavaggio nasale per RSV del dataset GSE41374 e i dataset per SARS-CoV-2 GSE152075 e GSE156063. La validazione su sangue ha incluso GSE171110 e due unità del dataset GSE38900 normalizzate separatamente: GPL10558 (36 campioni; 28 RSV e 8 controlli) e GPL6884 (138 campioni; 107 RSV e 31 controlli). Per ogni dataset esterno, le sonde sono state associate ai simboli HGNC e i simboli duplicati sono stati accorpati mediante l'espressione mediana. All'interno di ciascun dataset sono state applicate le stesse regole di trasformazione, filtraggio dei valori mancanti, imputazione mediana e standardizzazione z per gene utilizzate per il dataset di riferimento. Il punteggio del modulo è stato calcolato come media non pesata dei valori di espressione standardizzati per i geni del modulo rappresentati. Sono stati riportati AUROC, precisione media e FDR del test di Welch come metriche di portabilità, non come stime della performance diagnostica clinica.
Ampie serie di dati clinici di riferimento e dataset di perturbazione ex vivo
Due dataset provenienti da sangue intero sono stati utilizzati come cohorti di riferimento clinico piuttosto che come cohorti di scoperta. Nel dataset GSE63990, i campioni sono stati assegnati, in base ai metadati depositati sullo stato di infezione, a infezione respiratoria virale (n = 117), infezione respiratoria batterica (n = 73) o malattia non infettiva (n = 90); i campioni privi di una di queste etichette inequivocabili sono stati esclusi18. Nel dataset GSE40012, i campi diagnostici depositati sono stati associati a polmonite da influenza A (n = 39), polmonite batterica senza influenza (n = 61), SIRS senza polmonite (n = 40), controlli sani (n = 36) o polmonite mista batterica/influenzale (n = 14)19. I campioni con polmonite mista batterica/influenzale sono stati descritti ma esclusi dai confronti binari del test di riferimento.
GSE53543 contiene 196 profili di PBMC ex vivo provenienti da 98 individui. Ogni individuo ha contribuito con un campione solo in mezzo e un campione esposto al rhinovirus 16 per 24 h; gli identificatori dei soggetti hanno confermato 98 coppie complete. Il benchmark principale ha riportato l'AUROC tra i 98 campioni stimolati e i 98 non stimolati poiché l'AUROC è una metrica di separazione per rango. L'appaiamento dei soggetti è stato mantenuto nei metadati ed è stato utilizzato in un'analisi di sensibilità accoppiata delle differenze nei punteggi. Questo esperimento è stato analizzato separatamente rispetto all'infezione clinica naturale e non è stato utilizzato per sostenere affermazioni diagnostiche cliniche.
Le matrici grezze delle serie GEO sono state scaricate per GSE63990, GSE40012 e GSE53543. Per GSE63990 è stata utilizzata la piattaforma GPL571, per GSE40012 la GPL6947 e per GSE53543 la GPL10558. Le sonde sono state mappate su simboli approvati da HGNC e i mappaggi duplicati sono stati ridotti mediante l'espressione mediana. Sono state utilizzate matrici normalizzate depositate. La regola generale del 95° percentile ha richiesto la trasformazione log₂(x + 1) solo per le matrici su scala non logaritmica. GSE53543 era già stato trasformato in log₂, normalizzato per invarianza del rango e corretto per il giorno di elaborazione da parte degli investigatori originali, pertanto non è stata applicata alcuna ulteriore trasformazione logaritmica. Dopo aver rimosso i geni con oltre il 20% di valori mancanti e aver imputato con la mediana i valori mancanti rimanenti, ogni gene è stato standardizzato con z su tutti i campioni all'interno del proprio dataset. Il livello di riferimento comprendeva 470 campioni clinici di sangue intero e 196 campioni di PBMC es vivo.
Confronto con firme di riferimento
I moduli nasali e del sangue di ancoraggio sono stati confrontati con tre insiemi di riferimento non pesati. L'insieme ufficiale di 33 mRNA di Pandya è stato trascritto dalla Tabella Supplementare 1 del rapporto originale del classificatore5. Il comparatore Andres-Terre comprendeva 33 geni orientati all'interferone, selezionati dalla firma riportata per multi-virus3. Il comparatore Hallmark comprendeva un sottoinsieme nucleo di 33 geni dell'interferone-alfa, associato all'insieme MSigDB HALLMARK_INTERFERON_ALPHA_RESPONSE25,26. Gli elenchi completi dei geni per tutti e tre gli insiemi di riferimento sono forniti in Dati Supplementari 1. Questi punteggi di riferimento non ricreano i classificatori originali pesati. Per ogni dataset, è stato calcolato un punteggio come media non pesata dei punteggi z per gene disponibili; era richiesto almeno un minimo di tre geni rappresentati, e il numero di geni rappresentati è stato riportato. I confronti di riferimento includevano virale contro batterico, virale contro non infettivo, virale contro batterico-o-non infettivo, virale contro sano/controllo, e batterico contro sano/controllo, laddove i gruppi necessari erano disponibili. L'AUROC e la precisione media sono stati interpretati come metriche di confronto. I valori P del test di Welch sono stati corretti utilizzando la procedura di Benjamini–Hochberg su tutte le combinazioni valide di dataset-confronto-modulo nella tabella di riferimento.
Validazione longitudinale indipendente
I set di dati appaiati acuto-rispetto-al-dimesso GSE97741 e GSE97742 sono stati utilizzati esclusivamente per la validazione longitudinale27. I campioni etichettati come infezione singola da RSV (RSVsi) o da rhinovirus (hRV) nei metadati depositati hanno costituito l'analisi principale; le co-infezioni da RSV (RSVco) sono state mantenute solo nei risultati supplementari. Le etichette acuto e dimesso sono state estratte dai titoli dei campioni. I campioni sono stati abbinati per set di dati, compartimento, gruppo virale e identificatore del soggetto, e sono stati mantenuti solo i soggetti con entrambi i punti temporali. Il gruppo combinato principale comprendeva 38 coppie RSVsi e 30 coppie hRV (68 coppie per compartimento).
Nessuna selezione genica, affinamento del modulo o ottimizzazione delle soglie è stata effettuata utilizzando GSE97741 o GSE97742. Questi set di dati sono stati riservati per la validazione esterna. Gli identificatori delle sonde sono stati associati ai simboli HGNC approvati e i simboli duplicati sono stati ridotti mediante l'espressione mediana. Prima del calcolo dei punteggi dei moduli fissi di GSE117827, sono state applicate le stesse procedure: trasformazione logaritmica al 95° percentile, filtro dei valori mancanti, imputazione mediana e standardizzazione per gene all'interno di ciascun set di dati mediante z-score.
Per ogni tessuto e modulo, i punteggi acuti e di dimissione sono stati abbinati per soggetto e gruppo virale. È stata calcolata la differenza tra fase acuta e dimissione per ogni coppia. Il valore di Cohen dz è stato calcolato come la media delle differenze abbinate divisa per la deviazione standard campionaria. Sono stati riportati test t appaiati a due code e test di Wilcoxon a due code per ranghi con segno, insieme all'AUROC per la separazione tra i punteggi acuti e di dimissione. I valori FDR di Benjamini–Hochberg sono stati calcolati su tutti e 20 i test t appaiati validi nell'output longitudinale completo (due set di dati, due fonti di moduli e cinque sommari predeterminati per gruppo virale).
Analisi del gradiente sintomatologico e analisi post-hoc
Dopo aver fissato l'appartenenza ai moduli, le rilevazioni di picornavirus asintomatiche escluse in GSE117827 sono state utilizzate esclusivamente per l'analisi del gradiente sintomatologico. Il punteggio clinico ordinale era 0 per i controlli negativi al virus, 1 per le rilevazioni asintomatiche di picornavirus e 2 per le infezioni sintomatiche. La correlazione di Spearman ha valutato la tendenza ordinale, mentre il test di Kruskal-Wallis ha valutato le differenze complessive tra i tre gruppi. Test post-hoc di Mann-Whitney U a due code hanno confrontato le tre coppie di gruppi. La correzione di Benjamini-Hochberg è stata applicata separatamente all'interno di ogni compartimento alla sua famiglia di tre confronti a coppie.
Arricchimento funzionale
I geni dei moduli nasale e sanguigno sono stati analizzati con Enrichr tramite gseapy utilizzando le librerie MSigDB Hallmark 2020, Reactome 2022 e GO Biological Process 202325,26,28,29,30,31. Enrichr ha utilizzato il suo framework standard di sovra-rappresentazione basato sul test esatto di Fisher. La libreria ha riportato la correzione di Benjamini–Hochberg P valori < 0,05 sono stati considerati significativi. I otto termini più significativi per modulo tra le tre librerie interrogate sono stati ordinati in base al valore corretto P valore. I risultati dell'arricchimento sono stati utilizzati esclusivamente per l'interpretazione.
Analisi di robustezza, programma del marcatore e varianza
Le analisi di robustezza hanno verificato se i risultati dipendessero dalla dimensione del modulo o dalla selezione casuale. Sono state valutate dimensioni dei moduli di 10, 25, 50, 100 e 200 geni. Per l'analisi nulla basata su geni casuali, l'universo di riferimento comprendeva i geni codificanti per proteine dell'HGNC presenti nella matrice GSE117827 processata. Sono stati campionati 500 insiemi di 50 geni senza reimmissione, utilizzando un seme casuale NumPy pari a 20260622. La riselezione bootstrap era limitata ai 1.000 geni codificanti per proteine con effetto positivo, classificati più in alto nell'analisi iniziale originale per ciascun compartimento. In ogni ricampionamento, i geni codificanti per proteine con effetto positivo sono stati ordinati in base al valore P di Welch bilaterale crescente e successivamente in base alla differenza media decrescente. Sono stati selezionati i primi 50 geni. La stabilità dei geni è stata calcolata come numero di selezioni diviso per 100. Sono stati visualizzati i 20 geni con la frequenza di selezione più elevata in ciascun compartimento.
I punteggi dei programmi basati su marcatori sono stati utilizzati come ausili descrittivi piuttosto che come stime della frazione cellulare. Sono stati valutati sei programmi curati: epiteliale (EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1), monocita/macrophage (LYZ, LST1, S100A8, S100A9, FCGR3A, FCGR1A, CD14, MS4A7, CTSS), neutrofilo (S100A8, S100A9, MPO, ELANE, CEACAM8, FCGR3B, OLFM4, MMP8), T/NK (CD3D, CD3E, TRAC, NKG7, GNLY, PRF1, GZMB, KLRD1, IL7R), B/plasma (MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1) e interferone mieloide (SIGLEC1, IFI27, IFI44L, ISG15, MX1, OAS1, RSAD2, IFIT3). Ogni punteggio del programma è stato calcolato come media dei punteggi z per gene disponibili, richiedendo almeno tre geni rappresentati. I valori P di Spearman sono stati corretti utilizzando la procedura di Benjamini–Hochberg sull'intera famiglia di correlazioni tra dataset, modulo e programma. L'eta-quadrato unidirezionale è stato calcolato come il rapporto tra la somma dei quadrati tra i gruppi e la somma totale dei quadrati per ogni coppia modulo-fattore. Le righe prive del fattore rilevante sono state escluse da tale calcolo. Questa analisi era di tipo descrittivo e non ha corretto per fattori mutuamente correlati.
Riproducibilità
Tutte le analisi sono state condotte utilizzando flussi di lavoro automatizzati in Python 3.12.13, con i pacchetti software e le versioni riportati nella Tabella dei Materiali. Le procedure randomizzate hanno utilizzato un seme fisso pari a 20260622. Le matrici di espressione pubbliche di GEO sono state elaborate utilizzando una struttura di progetto coerente che separava i dati grezzi, i dati elaborati, gli output statistici, le tabelle e le figure. Sono stati conservati le definizioni dei moduli, i record di cura dei campioni, le stime delle dimensioni dell'effetto, le statistiche di validazione, i risultati di arricchimento, le analisi di robustezza e i dati sorgente delle figure per supportare la verifica indipendente. Il codice di analisi, le specifiche delle dipendenze e i dati derivati di supporto sono disponibili come descritto nell’affermazione sulla disponibilità dei dati.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Il benchmarking basato su passaggi ancorati ha separato gli effetti genici specifici del tessuto da quelli pan-tessutali
La matrice ancorata curata GSE117827 conteneva 27.685 geni approvati da HGNC. Il confronto principale nasale includeva 15 campioni infetti sintomatici e 6 campioni di controllo negativi al virus; il confronto ematico includeva 13 campioni infetti sintomatici e 6 controlli (Tabella 1). Poiché questa piccola coorte non può supportare una scoperta stabile a livello di...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
La lezione principale è operativa: iniziare dal compartimento campionato, piuttosto che dalla matrice combinata più ampia. GSE117827 è piccolo, ma il suo disegno accoppiato consente un confronto diretto naso-sangue all'interno di un unico studio. La correlazione quasi nulla a livello genico degli effetti mostra che un elenco unico di geni ordinati da un'analisi pan-tessutale nasconderebbe una struttura compartimentale significativa. Progettare moduli separati è stata quindi la scelta più giustificabile. Le prestazioni es...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Gli autori dichiarano di non avere conflitti di interessi finanziari o non finanziari relativi a questo lavoro.
Gli autori ringraziano i ricercatori e i partecipanti degli studi GEO pubblici ri-analizzati in questo lavoro. Nessun'altra persona soddisfaceva i criteri per l'autorevolezza. Questa ricerca non ha ricevuto alcun finanziamento specifico da agenzie di finanziamento pubbliche, commerciali o senza scopo di lucro.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Insieme di geni stimolati dall'interferone multi-virus di Andres-Terre | Andres-Terre et al. | Comparatore di 33 geni; Dati Supplementari 1 | Comparatore orientato all'interferone non pesato, curato sulla base della firma multi-virus riportata; l'elenco completo dei geni è fornito nei Dati Supplementari 1. |
| Enrichr | Ma'ayan Laboratory | Accesso 18 agosto 2026; RRID:SCR_001575 | Risorsa per l'analisi di sovrarappresentazione di insiemi genici, accessibile tramite gseapy. |
| Gene Expression Omnibus | National Center for Biotechnology Information | GEO; RRID:SCR_005012 | Repositorio pubblico di trascrittomi utilizzato per accedere ai set di dati analizzati. |
| Gene Ontology | Gene Ontology Consortium | GO Biological Process 2023; RRID:SCR_002811 | Biblioteca di annotazioni funzionali utilizzata tramite Enrichr. |
| GPL10558 | NCBI GEO | GPL10558 | Piattaforma per GSE53543 e per l'unità di validazione GSE38900 composta da 36 campioni. |
| GPL23126 | NCBI GEO | GPL23126 | Piattaforma di espressione per GSE117827. |
| GPL24539 | NCBI GEO | Clariom_D_Human.na36.hg38. probeset.csv | Annotazione Clariom D Human na36, hg38 utilizzata per il mappaggio dei cluster trascrizionali in GSE117827. |
| GPL571 | NCBI GEO | GPL571 | Annotazione della piattaforma applicata a GSE63990. |
| GPL6884 | NCBI GEO | GPL6884 | Piattaforma per l'unità di validazione su sangue intero GSE38900 con 138 campioni per RSV. |
| GPL6947 | NCBI GEO | GPL6947 | Annotazione della piattaforma applicata a GSE40012. |
| GSE117827 | NCBI GEO | GSE117827 | Set di dati principale di riferimento accoppiato di tamponi nasali e sangue intero. |
| GSE152075 | NCBI GEO | GSE152075 | Set di dati esterno di validazione delle vie aeree superiori per SARS-CoV-2. |
| GSE156063 | NCBI GEO | GSE156063 | Set di dati esterno di validazione delle vie aeree superiori per SARS-CoV-2. |
| GSE171110 | NCBI GEO | GSE171110 | Set di dati esterno di validazione su sangue intero per SARS-CoV-2. |
| GSE38900 | NCBI GEO | GSE38900; GPL10558 e GPL6884 | Validazione esterna su sangue intero per RSV analizzata come unità di piattaforma distinte da 36 e 138 campioni, normalizzate separatamente. |
| GSE40012 | NCBI GEO | GSE40012 | Termine di riferimento clinico per polmonite da influenza A, polmonite batterica, SIRS e controlli sani. |
| GSE41374 | NCBI GEO | GSE41374 | Set di dati esterno di validazione con lavaggio nasale per RSV. |
| GSE53543 | NCBI GEO | GSE53543 | Termine di riferimento accoppiato di perturbazione da rinovirus su PBMC es vivo, comprendente 98 soggetti e 196 campioni. |
| GSE63990 | NCBI GEO | GSE63990 | Termine di riferimento clinico su sangue intero per infezioni virali, batteriche e non infettive. |
| GSE97741 | NCBI GEO | GSE97741 | Set di dati di validazione longitudinale su sangue intero, confronto tra fase acuta e dimissione. |
| GSE97742 | NCBI GEO | GSE97742 | Set di dati di validazione longitudinale nasofaringea, confronto tra fase acuta e dimissione. |
| gseapy | sviluppatori di gseapy | Versione 1.3.1 | Interfaccia Python utilizzata per interrogare Enrichr. |
| Risorsa simboli genici HGNC | HUGO Gene Nomenclature Committee | Accesso 18 agosto 2026; RRID:SCR_002827 | Risorsa per la normalizzazione dei simboli genici approvati e la classificazione dei geni codificanti proteine. |
| Matplotlib | squadra di sviluppo di Matplotlib | Versione 3.11.1 | Generazione di figure. |
| Insiemi genici Hallmark MSigDB | Broad Institute | Hallmark 2020; RRID:SCR_016863 | Biblioteca di arricchimento Hallmark accessibile tramite Enrichr. |
| Insieme genico Hallmark MSigDB di risposta all'interferone-alfa | Broad Institute | HALLMARK_INTERFERON_ALPHA_ RESPONSE; sottoinsieme principale di 33 geni nei Dati Supplementari 1 | Comparatore non pesato di risposta all'interferone-alfa; il sottoinsieme esatto è fornito nei Dati Supplementari 1. |
| NumPy | sviluppatori di NumPy | Versione 2.5.2 | Calcoli numerici e campionamento casuale con seme. |
| pandas | squadra di sviluppo di pandas | Versione 3.0.5 | Elaborazione di dati tabellari. |
| Insieme di 33 mRNA di risposta dell'ospite di Pandya | Pandya et al. | Tabella Supplementare 1; Dati Supplementari 1 | Set ufficiale di 33 geni valutato come comparatore non pesato. |
| Python | Python Software Foundation | Versione 3.12.13 | Ambiente di analisi computazionale. |
| Reactome | Reactome | Reactome 2022; RRID:SCR_003485 | Biblioteca di arricchimento di percorsi metabolici accessibile tramite Enrichr. |
| scikit-learn | sviluppatori di scikit-learn | Versione 1.9.0 | Calcoli di AUROC e precisione media. |
| SciPy | sviluppatori di SciPy | Versione 1.18.0 | Test di Welch, t appaiato, Wilcoxon, Mann–Whitney e test di correlazione. |
| Seaborn | squadra di sviluppo di Seaborn | Versione 0.13.2 | Grafica statistica. |
| statsmodels | sviluppatori di statsmodels | Versione 0.14.6 | Utilità statistiche. |
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.