このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

鼻腔および血液の宿主応答モジュールのための、コンパートメントを考慮した呼吸器ウイルス転写産物のベンチマーキング：計算科学的研究

85 回視聴

⸱

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

この記事について

サマリー

この計算科学的研究では、公開されている呼吸器ウイルス転写トムをベンチマークするためのコンパートメント意識型ワークフローを提示し、鼻腔および血液における宿主応答は遺伝子レベルでの一致性は限定的であるものの、独立したデータセット、臨床比較、縦断的な回復、および堅牢性解析を通じて、再現可能で生物学的に解釈可能なコンパートメント特異的なモジュールが得られることを実証しています。

要約

公開されている呼吸器ウイルスのトランスクリプトームは宿主応答の研究において有用ですが、組織ソース、コントロールの定義、および研究デザインの違いがプール解析において交絡要因となる可能性があります。私たちは、鼻腔および血液の生物学的コンテキストを維持しつつ、再現性のある宿主応答活性を特定できるかどうかを判断するための、コンパートメントを考慮した計算ワークフローを開発しました。ペアリングされたGSE117827小児コホートをアンカーデータセットとして使用し、これには有症状のピコルナウイルス感染、有症状の呼吸器合胞体ウイルス感染、無症状のピコルナウイルス検出、およびウイルス陰性コントロールからの鼻腔スワブおよび全血トランスクリプトームが含まれています。HUGO遺伝子命名委員会（HGNC）によるフィルタリング後、27,685個の遺伝子が解析されました。上位の正の応答から、それぞれ50遺伝子からなるタンパク質符号化鼻腔モジュールと血液モジュールを定義し、外部評価の前に固定しました。遺伝子レベルでの鼻腔と血液の効果はほぼ独立しており（ピアソン相関係数 r = 0.015）、モジュール間で共有されていた探索的なランク重複遺伝子は6つでした（ジャカード係数 = 0.064）。それにもかかわらず、鼻腔モジュールは独立した上気道コホートにおいて感染群をコントロール群から分離し、受信者動作特性曲線下面積（AUROC）は0.749、0.693、0.609でした。一方、血液モジュールは外部血液コホートにおいて0.832、0.924、0.870のAUROCを達成しました。縦断的な自然感染データでは、一致したスコアが急性疾患から退院にかけて低下し、ペアリングされたデルタ値は鼻腔サンプルで0.436、血液で0.330でした。666個の外部サンプルを含むさらに3つのベンチマークデータセットに加え、ランダム遺伝子によるヌル解析、モジュールサイズのスイープ、ブートストラップ安定性、マーカープログラムの相関、および分散分解により、本ワークフローの堅牢性と限界を定義しました。Pandyaの33個のメッセンジャーリボ核酸（mRNA）セットは、ウイルス対細菌の識別においてより強力なままであり、また血液モジュールは細菌性肺炎においても上昇しました。これらの結果は、コンパートメント特異的なモジュールが、汎用的な全組織バイオマーカーや単独の病原体分類器としてではなく、コホート間比較や回復追跡のための再利用可能な宿主応答活性スコアとして有用であることを支持しています。

概要

宿主のトランスクリプトーム署名は、感染症候群の分類や、病原体間における免疫応答の比較に広く利用されています1,2,3,4,5。呼吸器ウイルスは、重複するインターフェロン刺激遺伝子（ISGs）、炎症性メディエーター、および抗原提示経路を活性化することが一般的です6,7,8,9,10。近年のペアド研究および縦断的研究では、局所的な気道応答と全身的な応答において、タイミング、細胞組成、および規模が異なることが示されています11。この課題は、インフルエンザ、呼吸器合胞体ウイルス（RSV）、ライノウイルス、およびSARS-CoV-2にとどまりません。ヒトメタニューモウイルスは依然として呼吸器疾患の重要な原因となっていますが、その宿主応答および介入に関する文献はまだ発展段階にあります12,13。呼吸器ウイルス感染症全般におけるこれらの観察結果は、局所的な気道応答と全身的な宿主応答の差をさらに浮き彫りにしています14。したがって、宿主とウイルスの計算科学的研究における実務的な問題は、単に応答が存在するかどうかだけではありません。組織的なコンテキストを保持し、再現可能な宿主応答スコアを得ることができる透明なワークフローを通じて、公開データを再利用できるかどうかが重要です。

ほとんどの公開されている呼吸器ウイルス転写産物データセットは、ウイルス間または組織間でのクリーンな推論を目的として設計されていません。組織のソース、タイミング、重症度、年齢、対照群の定義、およびプラットフォームが、しばしば相互に変動しています。また、ハイスループットの発現データセットは、不要な技術的変動や研究レベルの変動の影響を受けやすい傾向があります15,16。そのため、プール解析を行うと、強力なインターフェロンまたは炎症シグネチャーを回収できる一方で、その起源が不明確になる可能性があります。鼻腔サンプルは上皮および粘膜免疫生物学を捉えるのに対し、全血は全身性の白血球反応を反映します。これらのコンパートメントを互換性があるものとして扱うと、スコアの算出は容易になりますが、その解釈は困難になります。

我々は、利用可能な最大の発見コホート17ではなく、同一研究内の鼻腔-血液ペアコホートであるGSE117827に基づいて解析を構築した。このコホートは規模こそ小さいが、鼻腔と血液の効果量を比較する際の研究間における交絡を低減できる。これには、有症状のピコルナウイルス感染、有症状のRSV感染、無症状のピコルナウイルス検出、およびウイルス陰性のコントロールが含まれている。そのため、我々はこれを個別のコンパートメント特異的モジュールのアンカーとしてのみ使用した。モジュールのメンバーシップは、外部検証の前に固定した。この小規模コホートによる選択の安定性は、層化ブートストラップ再サンプリング、ランダム遺伝子ヌル、およびモジュールサイズの感度分析によって検証した。

細菌性および非感染性の比較対照群を用いたベンチマーキング層を追加しました。GSE63990には、ウイルス性、細菌性、または非感染性とラベル付けされた全血急性呼吸器疾患サンプルが含まれています18。GSE40012には、重症市中肺炎、全身性炎症反応症候群（SIRS）、および健康なコントロールが含まれています19。これらのコホートにより、モジュールが一般的な宿主応答活性を反映しているのか、あるいは病原体クラス特異性を反映しているのかを検証します。GSE53543は、ex vivoの末梢血単核細胞（PBMC）ライノウイルス摂動ベンチマークとして個別に解析されました。これは制御された刺激下での白血球の応答性を測定したものですが、自然感染と同等ではありません。

我々の前提は、あえて保守的なものとしています。不均一な公開データから普遍的な抗ウイルスシグネチャーを証明しようとするのではなく、コンパートメントを考慮したワークフローによって、外部検証後も有用なモジュールスコアを算出できるかという点に焦点を当てています。想定される用途は、Pandya 33-mRNAのような診断用クラスファイアを補完することです。これらのモジュールは、コホート、回復過程、および症状の勾配にわたる鼻腔および血液中の宿主応答活性をスコア化するものであり、病原体のクラスを割り当てるための設計ではありません。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

本研究では、匿名化され一般に公開されているデータを再解析しており、新たな被験者の募集、介入、または検体収集は行っていません。したがって、今回の二次解析において機関の倫理承認および新たなインフォームドコンセントは不要でした。元の研究に関する倫理承認およびインフォームドコンセントについては、それぞれのデータ作成者が報告しています。

研究デザインおよびワークフローの論理
我々は、Gene Expression Omnibus20,21に登録されたデータセットを用いた、遡及的な公開データバイオインフォマティクス研究を実施した。新しい患者サンプル、細胞培養実験、動物モデル、またはウェットラボでの検証は行われていない。ワークフローにはアンカー優先設計を用いた。GSE117827を効果量の推定、モジュールの構築、コンパートメント間の整合性、および症状勾配分析に使用した。独立したデータセットは、モジュールへの所属が確定した後にのみ導入された。ワークフローは、ペアコンパートメントアンカーリング、HGNCマッピングおよびタンパク質コーディングフィルタリング、鼻腔および血液の個別のモジュール構築、組織一致および縦断的検証、臨床ベンチマーク、および堅牢性分析で構成された。確認分析には、固定された組織一致および縦断的テストが含まれた。重複遺伝子、症状勾配、マーカープログラム、および分散分析は、探索的または記述的なものである。

アンカーコホートおよび主要対照
GSE117827には、26名の小児から採取した鼻腔スワブおよび全血の発現プロファイルが含まれている：有症状のピコルナウイルス感染例が9名、無症状のピコルナウイルス検出例が5名、有症状のRSV感染例が6名、および無症状のウイルス陰性対照群が6名である17。RSV感染例のうち2例は血液検体が欠損していた。したがって、完全なアンカー設計には50サンプルが含まれ、モジュール構築から無症状のピコルナウイルス検出例を除外した後、主要な「感染群対対照群」の対比には40サンプルが含まれた。主要対比において、有症状のピコルナウイルスおよび有症状のRSVサンプルを「感染群」と定義し、無症状のウイルス陰性サンプルを「対照群」と定義した。症状のないウイルス検出は、生物学的にウイルス陰性の健康状態とは異なるため、無症状のピコルナウイルス検出例は対照群として扱わなかった。これらのサンプルはモジュール構築からは除外され、後に症状勾配解析に使用された。

プローブのマッピングおよび前処理
GSE117827はGPL23126を用いてプロファイリングされた。転写産物クラスター識別子は、GEOプラットフォームGPL24539を通じて配布されているClariom D Human na36, hg38アノテーションファイルを使用して遺伝子シンボルにマッピングされた。HGNC承認済みのシンボルのみを保持した22。コントロールプローブ、ERCCプローブ、マッピングされなかった転写産物クラスター、および非承認シンボルは除外した。同一の承認済みシンボルにマッピングされる複数の転写産物クラスターは、発現の中央値を用いて統合した。フィルタリングおよび統合後、アンカー解析に使用可能な遺伝子は27,685個であった。発現マトリックスの95パーセンタイルが50を超え、対数変換されていない強度スケールであることが示された場合にのみ、log₂(x + 1)変換を適用した。欠損値が20%を超える遺伝子は除外され、残りの欠損値は遺伝子内の中央値で補完した。その後、各遺伝子を当該データセットの全サンプルにわたって、z = (x − 平均)/サンプルの標準偏差 (ddof = 1) として標準化した。分散がゼロの遺伝子には、標準化値として0を割り当てた。モジュールの構築は、HGNC完全セットにおいてタンパク質コード遺伝子として分類されたエントリに限定した。

効果量解析とモジュールの構築
鼻腔および血液のコンパートメントを個別に解析した。有症状のウイルス陽性サンプルを、Hedgesを用いてウイルス陰性コントロールと比較した。 g 標準化平均差および両側ウェルチ検定23ヘッジズ g は、感染群と対照群の平均値の差をプールした標準偏差で除し、小サンプル補正係数 1 − 3/(4df − 1)、ここで df = n感染した + n対照 − 2. 等分散性を仮定しないWelchの検定を実施した。各コンパートメント内で検定したすべての遺伝子について、Benjamini–Hochberg法を用いて偽発見率を算出した。24あらかじめ規定されたFDR（偽発見率）の厳格な組み合わせを満たすタンパク質コード遺伝子が認められなかったため、 < 0.05およびHedges g > 小規模アンカーコホートにおいて、正の効果を持つ遺伝子を、両側Welchのt検定による昇順で第1位にランク付けした。 P 値、次いでHedges gの降順で g、最終的な決定的なタイブレークには遺伝子シンボルを用いた。上位50個の遺伝子で各プライマリモジュールを構成した。50個という遺伝子数は、プラットフォーム間での遺伝子の欠損による損失を抑えつつ、生物学的な幅を維持できる適度なモジュールサイズとして、事前的に選択された。このモジュールサイズは、外部AUROCに合わせて調整されたものではない。10、25、50、100、および200個の遺伝子を用いた感度分析の結果、アンカー分離に関して定性的に同様の結果が得られた。目的は単一遺伝子の発見ではなく、モジュールレベルでの再現性であった。

コンパートメント間の整合性
鼻腔および血液のHedges g 推定値を遺伝子ごとに揃え、Pearson相関およびSpearman相関を用いて比較した。鼻腔の上位50モジュールと血液の上位50モジュールの重複を、重複数およびJaccard指数によって要約した。重複した遺伝子は、検証済みの保存されたバイオマーカーではなく、探索的なコンパートメント間ランク重複候補として解釈した。

外部組織整合バリデーション
モジュールスコアのバリデーションには、解釈可能なソースグループを持つ独立した公開データセットを用いた。上気道でのバリデーションには、GSE41374のRSV鼻腔洗浄検体、およびSARS-CoV-2データセットであるGSE152075とGSE156063を含めた。血液でのバリデーションには、GSE171110および、個別に正規化された2つのGSE38900ユニットであるGPL10558（36検体；RSV 28例、コントロール 8例）とGPL6884（138検体；RSV 107例、コントロール 31例）を含めた。すべての外部データセットにおいて、プローブをHGNCシンボルにマッピングし、重複するシンボルは発現量の中央値によって統合した。アンカーデータセットに使用したのと同様の変換、欠損値フィルタリング、中央値補完、および遺伝子ごとのz-標準化ルールを各データセットに適用した。モジュールスコアは、該当するモジュール遺伝子の標準化発現値の非加重平均として算出した。AUROC、平均精度、およびWelch検定のFDRを、臨床的な診断性能の推定値ではなく、ポータビリティ指標として報告した。

大規模な臨床ベンチマークおよびex vivo摂動データセット
2つの全血データセットを、探索コホートではなく臨床ベンチマークとして使用した。GSE63990では、登録された感染状態のメタデータに基づき、サンプルをウイルス性呼吸器感染症（n = 117）、細菌性呼吸器感染症（n = 73）、または非感染性疾患（n = 90）に割り当て、これらの明確なラベルのいずれも持たないサンプルは除外した18。GSE40012では、登録された診断フィールドを、A型インフルエンザ肺炎（n = 39）、インフルエンザを伴わない細菌性肺炎（n = 61）、肺炎を伴わないSIRS（n = 40）、健康対照群（n = 36）、または細菌・インフルエンザ混合肺炎（n = 14）にマッピングした19。細菌・インフルエンザ混合サンプルについては記述したが、バイナリ形式のベンチマーク対比からは除外した。

GSE53543には、98名から得られた196件のex vivo PBMCプロファイルが含まれています。各個体から、培地のみのサンプル1件と、ライノウイルス16に24 h曝露させたサンプル1件が提供され、被験者識別子により98組の完全なペアであることが確認されました。AUROCは順位分離指標であるため、主要なベンチマークでは、刺激ありのサンプル98件および刺激なしのサンプル98件にわたるAUROCが報告されました。被験者のペアリング情報はメタデータに保持され、スコア差のペア感度分析に使用されました。この実験は、自然な臨床感染とは別に分析されており、臨床診断の根拠として使用されたものではありません。

GSE63990、GSE40012、およびGSE53543のRaw GEOシリーズマトリックスをダウンロードした。GSE63990にはGPL571、GSE40012にはGPL6947、GSE53543にはGPL10558を使用した。プローブをHGNC承認のシンボルにマッピングし、重複するマッピングは発現量の中央値によって統合した。登録済みの正規化マトリックスを使用した。一般的な95パーセンタイルルールに基づき、対数変換されていないスケールのマトリックスに対してのみlog₂(x + 1)変換を行った。GSE53543は、元の研究者によってすでにlog₂変換、ランク不変正規化、および処理日の調整が行われていたため、追加の対数変換は適用しなかった。欠損値が20%を超える遺伝子を除去し、残りの欠損値を中央値で補完した後、各遺伝子をデータセット内の全サンプルにわたってz標準化した。ベンチマーク層には、470検体の臨床全血サンプルと196検体のex vivo PBMCサンプルが含まれていた。

リファレンスシグネチャーのベンチマーク
アンカーとなる鼻腔および血液モジュールのベンチマークを、3つの非重み付けリファレンスセットを用いて行った。公式のPandya 33-mRNAセットは、元の分類器レポートの補足表1から転記した5。Andres-Terre比較セットは、報告されているマルチウイルスシグネチャーから精選したインターフェロン関連の33遺伝子で構成した3。Hallmark比較セットは、MSigDBのHALLMARK_INTERFERON_ALPHA_RESPONSEセットに関連するインターフェロンαコアの33遺伝子サブセットで構成した25,26。3つのリファレンスセットすべての完全な遺伝子リストを補足データ1に提供している。これらのリファレンススコアは、元の重み付け分類器を再現したものではない。各データセットについて、スコアは利用可能な遺伝子ごとのzスコアの非重み付け平均として算出した。少なくとも3つの代表遺伝子が必要であり、代表遺伝子の数を報告した。ベンチマークの対比は、必要な群が利用可能な場合に、ウイルス対細菌、ウイルス対非感染性、ウイルス対細菌または非感染性、ウイルス対健康/コントロール、および細菌対健康/コントロールとした。ベンチマーク指標としてAUROCおよび平均精度（average precision）を解釈した。Welch検定のP値は、ベンチマーク表内のすべての有効なデータセット・対比・モジュールの組み合わせにおいて、Benjamini–Hochberg法を用いて補正した。

独立した縦断的検証
ペアを成す急性期対退院時のデータセットGSE97741およびGSE97742は、縦断的検証のみに使用した27。寄託されたメタデータにおいてRSV単独感染（RSVsi）またはライノウイルス（hRV）とラベル付けされたサンプルを主要解析の対象とし、RSV共感染（RSVco）は補足出力にのみ保持した。急性期および退院時のラベルはサンプル名から抽出した。サンプルはデータセット、コンパートメント、ウイルスグループ、および被験者識別子によって照合し、両方のタイムポイントが存在する被験者のみを保持した。主要な統合グループは、RSVsi 38ペアおよびhRV 30ペア（コンパートメントあたり68ペア）で構成された。

遺伝子の選択、モジュールの精査、および閾値の調整には、GSE97741およびGSE97742は使用せず、これらのデータセットは外部検証用に確保した。プローブ識別子を承認済みのHGNCシンボルにマッピングし、重複するシンボルは発現量の中央値を用いて統合した。固定されたGSE117827のモジュールスコアを算出する前に、同一の95パーセンタイル対数変換ルール、欠損値フィルタリング、中央値補完、およびデータセット内での遺伝子ごとのz標準化手順を適用した。

各組織およびモジュールについて、急性期と退院時のスコアを、被験者およびウイルス群ごとにペアリングした。各ペアについて、急性期から退院時の値を差し引いた差分を算出した。Cohen dzは、対応のある平均差をその標本標準偏差で除して算出した。両側対応のある t 急性期と退院時のスコアの分離能に関するAUROCとともに、検定および両側ウィルコクソン符号付き順位検定の結果を報告した。有効な20組のペアすべてについて、Benjamini–Hochberg法によるFDR値を算出した。 t 完全な縦断的出力（2つのデータセット、2つのモジュールソース、および5つの事前指定されたウイルスグループサマリー）におけるテスト。

症状勾配および事後解析
モジュールメンバーシップを確定させた後、GSE117827における除外済みの無症状ピコルナウイルス検出例を症状勾配解析のみに使用した。順序臨床スコアは、ウイルス陰性コントロールを0、無症状のピコルナウイルス検出例を1、有症状の感染例を2とした。順序的な傾向を評価するためにSpearman相関を用い、3群間の全体的な差を評価するためにKruskal–Wallis検定を用いた。3つの群のペア比較には、両側Mann–Whitney U事後検定を用いた。Benjamini–Hochberg補正を、各コンパートメント内の3つのペア比較セットに対して個別に適用した。

機能濃縮分析
鼻腔および血液のモジュール遺伝子は、gseapyを介してEnrichrを用い、MSigDB Hallmark 2020、Reactome 2022、およびGO Biological Process 2023ライブラリを使用して解析された。25,26,28,29,30,31Enrichrは、フィッシャーの正確確率検定に基づく標準的な過剰表現解析フレームワークを使用した。ライブラリで報告されたベンジャミニ・ホッホバーグ法による補正後の P 値 < 0.05を有意と見なした。照会した3つのライブラリ全体で、モジュールごとに最も有意であった8つの項を、補正後のp値によって順位付けした。 P 値。濃縮結果は、解釈のみに使用した。

堅牢性、マーカープログラム、および分散解析
堅牢性解析により、結果がモジュールのサイズや偶然の選択に依存するかどうかを検証した。10、25、50、100、および200個の遺伝子からなるモジュールサイズを評価した。ランダム遺伝子によるヌル解析において、適格なユニバースは、処理済みのGSE117827マトリックスに表示されているHGNCタンパク質コード遺伝子で構成した。NumPyのランダムシード20260622を用いて、非復元抽出により50個の遺伝子セットを500回サンプリングした。ブートストラップ再選択は、各コンパートメントの元のアンカー解析において、正の効果を持つタンパク質コード遺伝子のうち、ランキング上位1,000個に制限した。各再サンプルにおいて、正のタンパク質コード遺伝子を、両側Welch P 値の昇順、次いで平均差の降順でランキングし、上位50個の遺伝子を選択した。遺伝子の安定性は、選択回数を100で除して算出した。各コンパートメントで選択頻度が最も高かった20個の遺伝子を表示した。

マーカープログラムスコアは、細胞分画の推定値としてではなく、記述的な補助として使用した。キュレーションされた6つのプログラムを評価した：上皮細胞（EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1）、単球/マクロファージ（LYZ, LST1, S100A8, S100A9, FCGR3A, FCGR1A, CD14, MS4A7, CTSS）、好中球（S100A8, S100A9, MPO, ELANE, CEACAM8, FCGR3B, OLFM4, MMP8）、T/NK細胞（CD3D, CD3E, TRAC, NKG7, GNLY, PRF1, GZMB, KLRD1, IL7R）、B/プラズマ細胞（MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1）、および骨髄性インターフェロン（SIGLEC1, IFI27, IFI44L, ISG15, MX1, OAS1, RSAD2, IFIT3）である。各プログラムスコアは、利用可能な遺伝子ごとのzスコアの平均として算出し、少なくとも3つの代表遺伝子が必要とした。Spearman P値は、データセット-モジュール-プログラム相関の全ファミリーにわたってBenjamini–Hochberg法を用いて補正した。一元配置エータ二乗（eta-squared）は、各モジュール-因子ペアについて、群間平方和を全平方和で除して算出した。該当する因子が欠落している行は、その計算から除外した。本解析は記述的なものであり、相互に相関する因子についての補正は行っていない。

再現性
すべての解析は Python 3.12.13 のスクリプトワークフローを用いて実施され、使用したソフトウェアパッケージとそのバージョンは材料表に記載しています。ランダム化の手順には、固定シード値 20260622 を使用しました。公開されている GEO 発現マトリックスは、生入力データ、処理済みデータ、統計出力、表、および図を分離した一貫性のあるプロジェクト構造を用いて処理しました。独立した検証を可能にするため、モジュールの定義、サンプルキュレーション記録、効果量の推定値、検証統計量、濃縮解析結果、ロバストネス解析、および図のソースデータを保持しました。解析コード、依存関係の仕様、および根拠となる派生データは、「データの可用性」の記述に従って入手可能です。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

アンカーステップ・ベンチマーキングにより、組織特異的な遺伝子効果と汎組織的な遺伝子効果を分離した
キュレーション済みのGSE117827アンカーマトリックスには、HGNC承認済みの27,685個の遺伝子が含まれていた。主要な鼻腔コントラストには、有症状の感染サンプル15検体とウイルス陰性のコントロールサンプル6検体が含まれ、血液コントラストには有症状の感染サンプル13検体とコントロール6検体が含まれていた（表1）。この小規模なコホートでは安定した単一遺伝子の発見をサポートできないため、ペアコンパートメントアンカーとして使用した。安定性は、ブートストラップ再サンプリング、ランダム遺伝子ヌル検定、外部バリデーション、およびモジュールサイズの感度分析によって、モジュールレベルで評価した。

検体

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

主要な教訓は運用上のものです。すなわち、最大規模のプールされたマトリックスからではなく、サンプリングされたコンパートメントから開始することです。GSE117827は小規模ですが、ペアードデザインであるため、1つの研究内で鼻腔と血液を直接比較することが可能です。遺伝子レベルでの効果相関がほぼゼロであることは、全組織をプールしたランクリストでは、実質的なコンパートメント構造が隠されてしまうことを示しています。したがって、個別のモジュールを採用する方がより妥当な設計でした。これらのモジュールの外部および縦断的なパフォーマンスは、普遍的な遺伝子リストではなく、モジュールレベルで再現可能な宿主応答活性があることを裏付けています。

遺伝子レベルのポータビリティとモジュールレベルのポータビリティは異なります。個々の鼻腔および血液におけるエフェクトサイズ間の整合性は低かったものの、血液モジュールは鼻咽頭の縦断的サンプルにおいて良好な性能を示しました（AUROC 0.845）。ペアとなるトラジェクタリーにラベルの反転は見られませんでした。より可能性の高い説明は、パスウェイの冗長性です。協調的なインタ...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、本研究に関連して、金銭的または非金銭的な利益相反がないことを宣言します。

謝辞

著者らは、本研究で再解析した公開GEO研究の調査者および参加者に感謝いたします。著者の基準を満たす追加の個人はいませんでした。本研究は、公的、商業的、または非営利セクターのいかなる資金提供機関からも、特定の助成金を受けていません。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
Andres-Terreマルチウイルスインターフェロン刺激遺伝子セットAndres-Terre et al.33遺伝子コンパレーター; Supplementary Data 1報告されたマルチウイルスシグネチャーからキュレートされた非重み付けインターフェロン指向コンパレーター。完全な遺伝子リストはSupplementary Data 1に記載されている。
EnrichrMa'ayan Laboratory2026年8月18日にアクセス; RRID:SCR_001575gseapyを通じてアクセスした遺伝子セット過剰表現リソース。
Gene Expression OmnibusNational Center for Biotechnology InformationGEO; RRID:SCR_005012解析データセットへのアクセスに使用した公共トランスクリプトームリポジトリ。
Gene OntologyGene Ontology ConsortiumGO Biological Process 2023; RRID:SCR_002811Enrichrを通じて使用した機能アノテーションライブラリ。
GPL10558NCBI GEOGPL10558GSE53543および36サンプルのGSE38900バリデーションユニット用プラットフォーム。
GPL23126NCBI GEOGPL23126GSE117827用発現プラットフォーム。
GPL24539NCBI GEOClariom_D_Human.na36.hg38.
probeset.csv		GSE117827のトランスクリプトクラスターマッピングに使用したClariom D Human na36, hg38アノテーション。
GPL571NCBI GEOGPL571GSE63990に適用したプラットフォームアノテーション。
GPL6884NCBI GEOGPL6884138サンプルのGSE38900 RSV全血バリデーションユニット用プラットフォーム。
GPL6947NCBI GEOGPL6947GSE40012に適用したプラットフォームアノテーション。
GSE117827NCBI GEOGSE117827主要なペア鼻腔スワブおよび全血アンカーデータセット。
GSE152075NCBI GEOGSE152075外部SARS-CoV-2上気道バリデーションデータセット。
GSE156063NCBI GEOGSE156063外部SARS-CoV-2上気道バリデーションデータセット。
GSE171110NCBI GEOGSE171110外部SARS-CoV-2全血バリデーションデータセット。
GSE38900NCBI GEOGSE38900; GPL10558 and GPL6884個別に標準化された36サンプルおよび138サンプルのプラットフォームユニットとして解析された外部RSV全血バリデーション。
GSE40012NCBI GEOGSE40012臨床的なインフルエンザA型肺炎、細菌性肺炎、SIRS、および健康対照ベンチマーク。
GSE41374NCBI GEOGSE41374外部RSV鼻腔洗浄バリデーションデータセット。
GSE53543NCBI GEOGSE5354398名の被験者と196サンプルを含むペアex vivo PBMCライノウイルス摂動ベンチマーク。
GSE63990NCBI GEOGSE63990臨床的なウイルス性、細菌性、および非感染性全血ベンチマーク。
GSE97741NCBI GEOGSE97741縦断的な全血急性期対退院時バリデーションデータセット。
GSE97742NCBI GEOGSE97742縦断的な鼻咽頭急性期対退院時バリデーションデータセット。
gseapygseapy developersVersion 1.3.1Enrichrにクエリを送信するために使用したPythonインターフェース。
HGNC遺伝子シンボルリソースHUGO Gene Nomenclature Committee2026年8月18日にアクセス; RRID:SCR_002827承認済みの遺伝子シンボル標準化およびタンパク質コード分類リソース。
MatplotlibMatplotlib development teamVersion 3.11.1図の生成。
MSigDB Hallmark遺伝子セットBroad InstituteHallmark 2020; RRID:SCR_016863Enrichrを通じてアクセスしたHallmark濃縮ライブラリ。
MSigDB Hallmarkインターフェロンアルファ応答遺伝子セットBroad InstituteHALLMARK_INTERFERON_ALPHA_
RESPONSE; Supplementary Data 1内の33遺伝子コアサブセット		非重み付けインターフェロンアルファコンパレーター。正確なサブセットはSupplementary Data 1に記載されている。
NumPyNumPy developersVersion 2.5.2数値計算およびシード付きランダムサンプリング。
pandaspandas development teamVersion 3.0.5表形式データの処理。
Pandya 33-mRNA宿主応答遺伝子セットPandya et al.Supplementary Table 1; Supplementary Data 1非重み付けコンパレーターとしてスコア化された公式の33遺伝子セット。
PythonPython Software FoundationVersion 3.12.13計算解析環境。
ReactomeReactomeReactome 2022; RRID:SCR_003485Enrichrを通じてアクセスしたパスウェイ濃縮ライブラリ。
scikit-learnscikit-learn developersVersion 1.9.0AUROCおよび平均精度の計算。
SciPySciPy developersVersion 1.18.0Welch、対応のあるt検定、Wilcoxon、Mann–Whitney、および相関検定。
SeabornSeaborn development teamVersion 0.13.2統計グラフィックス。
statsmodelsstatsmodels developersVersion 0.14.6統計ユーティリティ。

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.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

さらに記事を探す

鼻腔トランスクリプトーム血液トランスクリプトーム計算ワークフロー遺伝子発現解析ウイルス感染コホートバイオマーカー検証モジュールの堅牢性
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。