É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de investigação

Benchmarking Consciente de Compartimentos de Transcriptomas de Vírus Respiratórios para Módulos de Resposta do Hospedeiro Nasal e Sanguíneo: Um Estudo Computacional

85 visualizações

⸱

DOI:

10.3791/73334

⸱

18 de setembro de 2026

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

Neste artigo

Resumo

Este estudo computacional apresenta um fluxo de trabalho com reconhecimento de compartimentos para avaliação de transcriptomas públicos de vírus respiratórios, demonstrando que as respostas hospedeiras no nariz e no sangue apresentam concordância limitada ao nível gênico, mas geram módulos específicos de compartimento reproduzíveis e biologicamente interpretáveis em diferentes conjuntos de dados, comparações clínicas, recuperação longitudinal e análises de robustez.

Resumo

Transcriptomas respiratórios públicos são valiosos para estudar respostas do hospedeiro, mas diferenças na origem do tecido, definição de controles e delineamento do estudo podem dificultar análises agrupadas. Desenvolvemos um fluxo de trabalho computacional com distinção por compartimento para determinar se atividade reprodutível na resposta do hospedeiro pode ser identificada, preservando o contexto biológico nasal e sanguíneo. A coorte pediátrica pareada GSE117827 serviu como conjunto de dados âncora, composto por transcriptomas de swab nasal e sangue total provenientes de infecção sintomática por picornavírus, infecção sintomática por vírus respiratório sincicial, detecção assintomática de picornavírus e controles negativos para vírus. Após filtragem pelo Comitê de Nomenclatura Genética HUGO (HGNC), foram analisados 27.685 genes. Módulos separados de 50 genes codificadores de proteínas, nos compartimentos nasal e sanguíneo, foram definidos com base nas respostas positivas mais elevadas e fixados antes da avaliação externa. Os efeitos genéticos nos compartimentos nasal e sanguíneo foram quase independentes (r de Pearson = 0,015), e os módulos compartilharam seis genes com sobreposição de classificação exploratória (índice de Jaccard = 0,064). Apesar disso, o módulo nasal separou infecção de controles em coortes independentes de vias aéreas superiores, com áreas sob a curva característica de operação do receptor (AUROC) de 0,749, 0,693 e 0,609, enquanto o módulo sanguíneo alcançou AUROCs de 0,832, 0,924 e 0,870 em coortes sanguíneos externos. Em dados longitudinais de infecção natural, os escores pareados diminuíram da fase aguda da doença até a alta hospitalar, com deltas pareados de 0,436 para amostras nasais e 0,330 para sangue. Três conjuntos de dados adicionais de referência, compreendendo 666 amostras externas, juntamente com controles nulos de genes aleatórios, varreduras de tamanho de módulo, estabilidade por reamostragem bootstrap, correlações com programas de marcadores e partição de variância, definiram a robustez e limitações do fluxo de trabalho. O conjunto de 33 ácidos ribonucleicos mensageiros (mRNA) de Pandya manteve desempenho superior na discriminação entre infecções virais e bacterianas, enquanto o módulo sanguíneo também aumentou na pneumonia bacteriana. Esses achados sustentam módulos específicos por compartimento como escores reutilizáveis de atividade da resposta do hospedeiro para comparação de coortes e acompanhamento da recuperação, em vez de biomarcadores universais pan-teciduais ou classificadores isolados de patógenos.

Introdução

Assinaturas transcritômicas do hospedeiro são amplamente utilizadas para classificar síndromes infecciosas e comparar respostas imunes entre patógenos1,2,3,4,5. Vírus respiratórios frequentemente ativam genes estimulados por interferon (ISGs), mediadores inflamatórios e vias de apresentação de antígenos com sobreposição6,7,8,9,10. Estudos recentes pareados e longitudinais também mostram que as respostas locais nas vias aéreas e sistêmicas podem diferir em relação ao momento, composição celular e magnitude11. Esse problema vai além da influenza, do vírus respiratório sincicial (VSR), do rinovírus e do SARS-CoV-2. O metapneumovírus humano permanece uma causa importante de doenças respiratórias, embora a literatura sobre sua resposta do hospedeiro e intervenções ainda esteja em desenvolvimento12,13. Essas observações em infecções por vírus respiratórios destacam ainda mais as diferenças entre as respostas do hospedeiro nas vias aéreas locais e sistêmicas14. Para estudos computacionais sobre hospedeiro e vírus, a questão prática, portanto, não é apenas se uma resposta existe. É se dados públicos podem ser reutilizados por meio de um fluxo de trabalho transparente que preserve o contexto tecidual e gere escores reprodutíveis de resposta do hospedeiro.

A maioria dos conjuntos de dados transcriptômicos públicos de vírus respiratórios não foi projetada para inferência limpa entre vírus ou entre tecidos. A origem do tecido, o momento, a gravidade, a idade, a definição do controle e a plataforma geralmente variam em conjunto. Conjuntos de dados de expressão de alto rendimento também são vulneráveis à variação técnica indesejada e em nível de estudo15,16. Uma análise agrupada pode, portanto, recuperar uma assinatura forte de interferon ou inflamatória, ao mesmo tempo em que oculta sua origem. Amostras nasais capturam a biologia imune epitelial e mucosal, enquanto o sangue total reflete respostas sistêmicas de leucócitos. Tratar esses compartimentos como intercambiáveis facilita o cálculo de um escore, mas dificulta sua interpretação.

Construímos a análise com base em GSE117827, uma coorte pareada de nariz-sangue do mesmo estudo, em vez da maior coleção de descoberta disponível17. A coorte é pequena, mas reduz o confundimento entre estudos ao comparar os tamanhos de efeito no nariz e no sangue. Ela inclui infecção sintomática por picornavírus, infecção sintomática por VSR, detecção assintomática de picornavírus e controles negativos para vírus. Portanto, utilizamos essa coorte apenas como uma âncora para módulos específicos de compartimentos separados. A pertinência ao módulo foi fixada antes dos testes externos. A estabilidade da seleção com base na coorte pequena foi examinada por meio de reamostragem bootstrap estratificada, nulos de genes aleatórios e análises de sensibilidade ao tamanho do módulo.

Adicionamos uma camada de comparação com comparadores bacterianos e não infecciosos. O GSE63990 contém amostras de sangue total de doenças respiratórias agudas rotuladas como virais, bacterianas ou não infecciosas18. O GSE40012 contém pneumonia grave adquirida na comunidade, síndrome de resposta inflamatória sistêmica (SIRS) e controles saudáveis19. Essas coortes testam se um módulo reflete atividade geral da resposta do hospedeiro ou especificidade da classe de patógeno. O GSE53543 foi analisado separadamente como uma referência de perturbação ex vivo de células mononucleares do sangue periférico (PBMC) por rinovírus. Ele mede a resposta dos leucócitos sob um estímulo controlado, mas não é equivalente à infecção natural.

Nossa premissa é deliberadamente conservadora. Não tentamos comprovar uma assinatura antiviral universal a partir de dados públicos heterogêneos. Em vez disso, perguntamos se um fluxo de trabalho sensível aos compartimentos pode gerar escores de módulos que permaneçam úteis após testes externos. O uso pretendido é complementar aos classificadores diagnósticos, como o de Pandya com 33-mRNA. Esses módulos pontuam a atividade da resposta do hospedeiro no nariz e no sangue em diferentes coortes, na recuperação e nos gradientes de sintomas. Eles não são projetados para atribuir a classe do patógeno.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Este estudo reanalisou dados anonimizados e de acesso público e não envolveu nova recrutamento, intervenção ou coleta de espécimes. Assim, não foi necessária aprovação ética institucional nem novo consentimento informado para a presente análise secundária. A aprovação ética e o consentimento informado para os estudos originais foram relatados pelos respectivos geradores dos dados.

Desenho do estudo e lógica do fluxo de trabalho
Realizamos um estudo bioinformático retrospectivo com dados públicos utilizando conjuntos de dados depositados no Gene Expression Omnibus20,21. Nenhuma nova amostra de paciente, experimento de cultura celular, modelo animal ou validação em laboratório foi gerada. O fluxo de trabalho utilizou um desenho baseado em ancoragem inicial. O conjunto GSE117827 foi usado para estimativa do tamanho do efeito, construção de módulos, concordância entre compartimentos e análise de gradiente de sintomas. Conjuntos de dados independentes foram introduzidos somente após a fixação da composição dos módulos. O fluxo de trabalho incluiu ancoragem em pares de compartimentos, mapeamento HGNC e filtragem por genes codificadores de proteínas, construção separada de módulos nasais e sanguíneos, validação em tecidos correspondentes e longitudinal, comparação com parâmetros clínicos e análises de robustez. As análises confirmatórias compreenderam testes fixos em tecidos correspondentes e longitudinais. As análises de sobreposição gênica, gradiente de sintomas, programas marcadores e variância foram exploratórias ou descritivas.

Cohorte âncora e contraste principal
GSE117827 contém perfis de expressão de swab nasal e sangue total de 26 crianças: 9 casos sintomáticos de picornavírus, 5 detecções assintomáticas de picornavírus, 6 casos sintomáticos de VSR e 6 controles assintomáticos negativos para vírus17. Dois casos de VSR não tinham espécimes de sangue. O delineamento âncora completo continha, portanto, 50 amostras, e o contraste principal entre infectados e controles continha 40 amostras após a exclusão das detecções assintomáticas de picornavírus da construção dos módulos. Para o contraste principal, as amostras sintomáticas de picornavírus e sintomáticas de VSR foram rotuladas como infectadas, e as amostras assintomáticas negativas para vírus foram rotuladas como controles. As detecções assintomáticas de picornavírus não foram tratadas como controles porque a detecção viral na ausência de sintomas é biologicamente distinta da saúde negativa para vírus. Essas amostras foram excluídas da construção dos módulos e posteriormente utilizadas em uma análise de gradiente de sintomas.

Mapeamento e pré-processamento das sondas
O conjunto de dados GSE117827 foi perfilado na plataforma GPL23126. Os identificadores de agrupamentos de transcritos foram mapeados para símbolos gênicos utilizando o arquivo de anotação Clariom D Human na36, hg38 disponibilizado pela plataforma GEO GPL24539. Apenas símbolos aprovados pelo HGNC foram mantidos22. Sondas de controle, sondas ERCC, agrupamentos de transcritos não mapeados e símbolos não aprovados foram removidos. Vários agrupamentos de transcritos mapeados para o mesmo símbolo aprovado foram agrupados por expressão mediana. Após filtragem e agrupamento, 27.685 genes estavam disponíveis para a análise de âncora. Uma transformação log₂(x + 1) foi aplicada somente quando o percentil 95 da matriz de expressão excedeu 50, indicando uma escala de intensidade não logarítmica. Genes com mais de 20% de valores ausentes foram removidos; os valores ausentes restantes foram substituídos pela mediana intra-gênica. Cada gene foi então padronizado em todas as amostras desse conjunto de dados como z = (x − média)/desvio padrão amostral (ddof = 1). Genes com variância zero tiveram valor padronizado atribuído como 0. A construção dos módulos foi restrita às entradas classificadas como genes codificadores de proteínas no conjunto completo do HGNC.

Análise do tamanho do efeito e construção do módulo
Os compartimentos nasal e sanguíneo foram analisados separadamente. Amostras virais sintomáticas foram comparadas com controles negativos para vírus utilizando diferenças médias padronizadas de Hedges g e testes de Welch bicaudais23. O valor de Hedges g foi calculado como a diferença média entre infectados e controles dividida pelo desvio padrão agrupado, multiplicada pela correção para pequenas amostras 1 − 3/(4df − 1), em que df = ninfected + ncontrol − 2. Os testes de Welch foram implementados admitindo variâncias desiguais. As taxas de falsa descoberta de Benjamini–Hochberg foram calculadas para todos os genes testados dentro de cada compartimento24. Como nenhum gene codificador de proteína atendeu à combinação pré-especificada e rigorosa de FDR < 0,05 e Hedges g > 0,8 na pequena coorte âncora, os genes com efeito positivo foram ordenados primeiramente pelo valor de P de Welch bicaudal em ordem crescente, seguido por Hedges g em ordem decrescente, utilizando o símbolo do gene como critério determinístico final para desempate. Os 50 genes superiores formaram cada módulo principal. Escolheu-se previamente um total de 50 genes como um tamanho moderado de módulo, que manteve a amplitude biológica ao mesmo tempo que limitou a perda de genes ausentes entre plataformas. Esse tamanho de módulo não foi ajustado com base na AUROC externa. Análises de sensibilidade utilizando 10, 25, 50, 100 e 200 genes produziram o mesmo resultado qualitativo de separação da coorte âncora. O objetivo foi a reprodutibilidade em nível de módulo, e não a descoberta de genes individuais.

Concordância entre compartimentos
As estimativas de Hedges g nasais e sanguíneas foram alinhadas por gene e comparadas utilizando correlações de Pearson e Spearman. A sobreposição entre os 50 principais módulos nasais e os 50 principais módulos sanguíneos foi resumida pelo número de sobreposição e pelo índice de Jaccard. Os genes com sobreposição foram interpretados como candidatos exploratórios de sobreposição de classificação entre compartimentos, e não como biomarcadores conservados e validados.

Validação externa com tecidos correspondentes
A validação por pontuação de módulo utilizou conjuntos de dados públicos independentes com grupos de origem interpretáveis. A validação em vias aéreas superiores incluiu as amostras de lavado nasal de RSV do conjunto GSE41374 e os conjuntos de dados de SARS-CoV-2 GSE152075 e GSE156063. A validação em sangue incluiu GSE171110 e duas unidades do GSE38900 normalizadas separadamente: GPL10558 (36 amostras; 28 de RSV e 8 controles) e GPL6884 (138 amostras; 107 de RSV e 31 controles). Para cada conjunto de dados externo, as sondas foram mapeadas para símbolos HGNC, e símbolos duplicados foram agrupados pela mediana da expressão. A mesma transformação, filtragem de valores ausentes, imputação pela mediana e padronização por z por gene utilizada no conjunto de dados âncora foi aplicada dentro de cada conjunto de dados. Uma pontuação de módulo foi calculada como a média não ponderada dos valores padronizados de expressão dos genes do módulo representado. AUC-ROC, precisão média e FDR do teste de Welch foram relatados como métricas de portabilidade, e não como estimativas de desempenho diagnóstico clínico.

Grandes conjuntos de dados clínicos de referência e perturbação ex vivo
Dois conjuntos de dados de sangue total foram utilizados como referências clínicas em vez de coortes de descoberta. Em GSE63990, as amostras foram atribuídas com base nos metadados depositados sobre o estado de infecção a infecção respiratória viral (n = 117), infecção respiratória bacteriana (n = 73) ou doença não infecciosa (n = 90); amostras sem uma dessas etiquetas inequívocas foram excluídas18. Em GSE40012, os campos de diagnóstico depositados foram mapeados para pneumonia por influenza A (n = 39), pneumonia bacteriana sem influenza (n = 61), SIRS sem pneumonia (n = 40), controles saudáveis (n = 36) ou pneumonia bacteriana/influenza mista (n = 14)19. As amostras com pneumonia bacteriana/influenza mista foram descritas, mas excluídas das comparações binárias de referência.

O GSE53543 contém 196 perfis de PBMC ex vivo de 98 indivíduos. Cada indivíduo contribuiu com uma amostra somente de meio e uma amostra exposta ao rinovírus 16 por 24 h; os identificadores dos indivíduos confirmaram 98 pares completos. A principal avaliação comparativa relatou a AUROC entre as 98 amostras estimuladas e as 98 não estimuladas, pois a AUROC é uma métrica de separação por classificação. O pareamento dos indivíduos foi mantido nos metadados e utilizado em uma análise de sensibilidade pareada das diferenças de pontuação. Este experimento foi analisado separadamente da infecção clínica natural e não foi usado para sustentar alegações diagnósticas clínicas.

As matrizes brutas das séries GEO foram baixadas para GSE63990, GSE40012 e GSE53543. O GPL571 foi utilizado para GSE63990, o GPL6947 para GSE40012 e o GPL10558 para GSE53543. As sondas foram mapeadas para símbolos aprovados pelo HGNC, e os mapeamentos duplicados foram reduzidos pela expressão mediana. Foram utilizadas matrizes normalizadas depositadas. A regra geral do percentil 95 acionou a transformação log₂(x + 1) apenas para matrizes em escala não logarítmica. O GSE53543 já estava transformado em log₂, normalizado por invariância de posto e ajustado quanto ao dia de processamento pelos investigadores originais, portanto nenhuma transformação log adicional foi aplicada. Após a remoção dos genes com mais de 20% de valores ausentes e a imputação mediana dos valores ausentes restantes, cada gene foi padronizado por z em todas as amostras dentro de seu conjunto de dados. A camada de referência continha 470 amostras clínicas de sangue total e 196 amostras de PBMC ex vivo.

Teste de referência de assinatura
Os módulos nasais e sanguíneos de referência foram testados frente a três conjuntos de referência não ponderados. O conjunto oficial de 33 mRNAs de Pandya foi transcrito da Tabela Suplementar 1 do relatório original do classificador5. O comparador Andres-Terre continha 33 genes orientados para interferon, curados a partir da assinatura multiviral relatada3. O comparador Hallmark compreendia um subconjunto de 33 genes centrais de interferon-alfa associado ao conjunto MSigDB HALLMARK_INTERFERON_ALPHA_RESPONSE25,26. As listas completas de genes para os três conjuntos de referência estão disponíveis em Dados Suplementares 1. Essas pontuações de referência não recriam os classificadores ponderados originais. Para cada conjunto de dados, uma pontuação foi calculada como a média não ponderada dos escores z por gene disponíveis; exigia-se pelo menos três genes representados, e o número de genes representados foi informado. Os contrastes de referência foram vírus versus bactéria, vírus versus não infeccioso, vírus versus bacteriano-ou-não-infeccioso, vírus versus saudável/controle e bacteriano versus saudável/controle, sempre que os grupos necessários estivessem disponíveis. A AUROC e a precisão média foram interpretadas como métricas de avaliação de referência. Os valores de P do teste de Welch foram ajustados utilizando o procedimento de Benjamini–Hochberg em todas as combinações válidas de conjunto de dados–contraste–módulo na tabela de referência.

Validação longitudinal independente
Os conjuntos de dados pareados agudo versus alta GSE97741 e GSE97742 foram utilizados apenas para validação longitudinal27. As amostras rotuladas como infecção única por VSR (VSRsi) ou rinovírus (hRV) nos metadados depositados formaram a análise principal; as co-infecções por VSR (VSRco) foram mantidas apenas na saída suplementar. Os rótulos agudo e alta foram extraídos dos títulos das amostras. As amostras foram pareadas por conjunto de dados, compartimento, grupo viral e identificador do sujeito, e apenas os indivíduos com ambos os pontos temporais foram mantidos. O grupo combinado principal compreendeu 38 pares de VSRsi e 30 pares de hRV (68 pares por compartimento).

Nenhuma seleção de genes, refinamento de módulos ou ajuste de limiares foi utilizado nos conjuntos de dados GSE97741 ou GSE97742. Esses conjuntos de dados foram reservados para validação externa. Os identificadores de sondas foram mapeados para símbolos HGNC aprovados, e os símbolos duplicados foram reduzidos pela mediana da expressão. A mesma regra de transformação logarítmica no percentil 95, filtro de valores ausentes, imputação pela mediana e procedimentos de padronização por gene dentro do conjunto de dados (z-padronização) foram aplicados antes do cálculo das pontuações fixas dos módulos do GSE117827.

Para cada tecido e módulo, os escores agudos e de alta foram pareados por indivíduo e grupo viral. A diferença entre agudo e alta foi calculada para cada par. O Cohen dz foi calculado como a média da diferença pareada dividida pelo seu desvio padrão amostral. Foram realizados testes t pareados bicaudais e testes de postos com sinal de Wilcoxon bicaudais, juntamente com a AUROC para a separação dos escores agudo versus alta. Os valores de FDR de Benjamini–Hochberg foram calculados em todos os 20 testes t pareados válidos na saída longitudinal completa (dois conjuntos de dados, duas fontes de módulos e cinco resumos pré-especificados por grupo viral).

Análise do gradiente de sintomas e análise post hoc
Após a fixação da pertinência aos módulos, as detecções de picornavírus assintomáticas mantidas em GSE117827 foram utilizadas apenas para a análise do gradiente de sintomas. A pontuação clínica ordinal foi 0 para controles negativos para o vírus, 1 para detecções assintomáticas de picornavírus e 2 para infecções sintomáticas. A correlação de Spearman avaliou a tendência ordinal, enquanto o teste de Kruskal–Wallis avaliou as diferenças gerais entre os três grupos. Testes post hoc Mann–Whitney U bicaudais compararam os três pares de grupos. A correção de Benjamini–Hochberg foi aplicada separadamente dentro de cada compartimento à sua família de três comparações aos pares.

Enriquecimento funcional
Os genes dos módulos nasal e sanguíneo foram analisados com o Enrichr por meio do gseapy, utilizando as bibliotecas MSigDB Hallmark 2020, Reactome 2022 e GO Biological Process 202325,26,28,29,30,31. O Enrichr utilizou sua estrutura padrão de super-representação baseada no teste exato de Fisher. Ajuste de Benjamini–Hochberg informado pela biblioteca P valores < 0,05 foram considerados significativos. Os oito termos mais significativos por módulo nas três bibliotecas consultadas foram classificados por ajuste P valor. Os resultados de enriquecimento foram utilizados apenas para interpretação.

Análises de robustez, programa de marcadores e variância
As análises de robustez testaram se os resultados dependiam do tamanho do módulo ou da seleção aleatória. Foram avaliados tamanhos de módulos de 10, 25, 50, 100 e 200 genes. Para a análise nula de genes aleatórios, o universo elegível compreendia os genes codificadores de proteínas do HGNC representados na matriz GSE117827 processada. Foram amostrados quinhentos conjuntos de 50 genes sem reposição, utilizando uma semente aleatória do NumPy de 20260622. A reseleção por bootstrap foi restrita aos 1.000 genes codificadores de proteínas com efeito positivo mais altamente classificados na análise âncora original para cada compartimento. Em cada reamostragem, os genes codificadores de proteínas positivos foram classificados por valor de P de Welch bicaudal crescente e, em seguida, por diferença média decrescente. Os 50 genes superiores foram selecionados. A estabilidade dos genes foi calculada como o número de seleções dividido por 100. Os 20 genes com a maior frequência de seleção em cada compartimento foram exibidos.

Os escores dos programas de marcadores foram utilizados como auxiliares descritivos, e não como estimativas de fração celular. Seis programas curados foram avaliados: epitelial (EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1), monócito/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/plasma (MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1) e mieloide interferônico (SIGLEC1, IFI27, IFI44L, ISG15, MX1, OAS1, RSAD2, IFIT3). O escore de cada programa foi calculado como a média dos escores z por gene disponíveis, exigindo-se pelo menos três genes representados. Os valores de P de Spearman foram ajustados utilizando o procedimento de Benjamini–Hochberg em toda a família de correlações entre conjunto de dados, módulo e programa. A eta-quadrado unidirecional foi calculada como a soma dos quadrados entre grupos dividida pela soma total dos quadrados para cada par módulo-fator. As linhas que faltavam o fator relevante foram excluídas desse cálculo. Esta análise foi descritiva e não ajustou fatores mutuamente correlacionados.

Reprodutibilidade
Todas as análises foram conduzidas usando fluxos de trabalho automatizados em Python 3.12.13, com os pacotes de software e versões relatados na Tabela de Materiais. Os procedimentos aleatórios utilizaram uma semente fixa de 20260622. Matrizes de expressão públicas do GEO foram processadas usando uma estrutura de projeto consistente que separava entradas brutas, dados processados, saídas estatísticas, tabelas e figuras. As definições de módulos, registros de curadoria de amostras, estimativas de tamanho do efeito, estatísticas de validação, resultados de enriquecimento, análises de robustez e dados-fonte das figuras foram mantidos para apoiar a verificação independente. O código de análise, as especificações de dependências e os dados derivados complementares estão disponíveis conforme descrito na declaração de disponibilidade de dados.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

A avaliação por etapa de referência separou os efeitos gênicos específicos de tecido dos efeitos gênicos pan-teciduais
A matriz de referência curada GSE117827 continha 27.685 genes aprovados pela HGNC. O contraste principal nasal incluiu 15 amostras de indivíduos infectados sintomáticos e 6 amostras controle negativas para o vírus; o contraste sanguíneo incluiu 13 amostras de indivíduos infectados sintomáticos e 6 controles (Tabela 1). Como essa pequena coorte não pode sustentar a de...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

A principal lição é operacional: comece com o compartimento amostrado, não com a matriz agrupada maior. O GSE117827 é pequeno, mas seu delineamento pareado permite uma comparação direta entre nariz e sangue dentro de um único estudo. A correlação quase nula no nível gênico mostra que uma lista classificada pan-tecidual agrupada ocultaria uma estrutura compartimental substancial. Assim, módulos separados foram o delineamento mais justificável. O desempenho externo e longitudinal apoia uma atividade reprodutível da respost...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não haver conflitos de interesses financeiros ou não financeiros relevantes para este trabalho.

Agradecimentos

Os autores agradecem aos pesquisadores e participantes dos estudos públicos do GEO reanalisados neste trabalho. Nenhum indivíduo adicional preencheu os critérios para autoria. Esta pesquisa não recebeu nenhuma bolsa específica de agência de fomento nos setores público, comercial ou sem fins lucrativos.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Conjunto de genes estimulados por interferon multivírus de Andres-TerreAndres-Terre et al.Comparador de 33 genes; Dados Suplementares 1Comparador não ponderado orientado a interferon curado a partir da assinatura multivírus relatada; a lista completa de genes está fornecida nos Dados Suplementares 1.
EnrichrLaboratório Ma'ayanAcessado em 18 de agosto de 2026; RRID:SCR_001575Recurso de super-representação de conjuntos de genes acessado por meio do gseapy.
Gene Expression OmnibusCentro Nacional de Informação BiotecnológicaGEO; RRID:SCR_005012Repositório público de transcriptoma utilizado para acessar os conjuntos de dados analisados.
Gene OntologyConsortium Gene OntologyProcesso Biológico GO 2023; RRID:SCR_002811Biblioteca de anotação funcional utilizada por meio do Enrichr.
GPL10558NCBI GEOGPL10558Plataforma para GSE53543 e unidade de validação GSE38900 com 36 amostras.
GPL23126NCBI GEOGPL23126Plataforma de expressão para GSE117827.
GPL24539NCBI GEOClariom_D_Human.na36.hg38.
probeset.csv		Anotação Clariom D Human na36, hg38 utilizada para mapeamento de transcript-clusters em GSE117827.
GPL571NCBI GEOGPL571Anotação de plataforma aplicada a GSE63990.
GPL6884NCBI GEOGPL6884Plataforma para a unidade de validação de sangue total com 138 amostras de GSE38900 para VSR.
GPL6947NCBI GEOGPL6947Anotação de plataforma aplicada a GSE40012.
GSE117827NCBI GEOGSE117827Conjunto de dados principal emparelhado de swab nasal e sangue total.
GSE152075NCBI GEOGSE152075Conjunto de dados externo de validação de vias aéreas superiores para SARS-CoV-2.
GSE156063NCBI GEOGSE156063Conjunto de dados externo de validação de vias aéreas superiores para SARS-CoV-2.
GSE171110NCBI GEOGSE171110Conjunto de dados externo de validação de sangue total para SARS-CoV-2.
GSE38900NCBI GEOGSE38900; GPL10558 e GPL6884Validação externa de sangue total para VSR analisada como unidades de plataforma separadamente normalizadas com 36 e 138 amostras.
GSE40012NCBI GEOGSE40012Referência clínica para pneumonia por influenza A, pneumonia bacteriana, SIRS e controles saudáveis.
GSE41374NCBI GEOGSE41374Conjunto de dados externo de validação de lavado nasal para VSR.
GSE53543NCBI GEOGSE53543Referência de perturbação ex vivo de PBMC por rinovírus emparelhada, envolvendo 98 indivíduos e 196 amostras.
GSE63990NCBI GEOGSE63990Referência clínica de sangue total para infecções virais, bacterianas e não infecciosas.
GSE97741NCBI GEOGSE97741Conjunto de dados longitudinal de validação de sangue total agudo versus alta.
GSE97742NCBI GEOGSE97742Conjunto de dados longitudinal de validação de nasofaringe agudo versus alta.
gseapyDesenvolvedores do gseapyVersão 1.3.1Interface Python utilizada para consultar o Enrichr.
Recurso de símbolos gênicos HGNCComitê de Nomenclatura Gênica HUGOAcessado em 18 de agosto de 2026; RRID:SCR_002827Recurso de normalização de símbolos gênicos aprovados e classificação de codificação proteica.
MatplotlibEquipe de desenvolvimento do MatplotlibVersão 3.11.1Geração de figuras.
Conjuntos de genes MSigDB HallmarkInstituto BroadHallmark 2020; RRID:SCR_016863Biblioteca de enriquecimento Hallmark acessada por meio do Enrichr.
Conjunto de genes de resposta ao interferon-alfa MSigDB HallmarkInstituto BroadHALLMARK_INTERFERON_ALPHA_
RESPONSE; subconjunto principal de 33 genes nos Dados Suplementares 1		Comparador não ponderado de interferon-alfa; o subconjunto exato está fornecido nos Dados Suplementares 1.
NumPyDesenvolvedores do NumPyVersão 2.5.2Computação numérica e amostragem aleatória com semente.
pandasEquipe de desenvolvimento do pandasVersão 3.0.5Processamento de dados tabulares.
Conjunto de 33 mRNAs de resposta do hospedeiro de PandyaPandya et al.Tabela Suplementar 1; Dados Suplementares 1Conjunto oficial de 33 genes pontuado como comparador não ponderado.
PythonFundação Python SoftwareVersão 3.12.13Ambiente de análise computacional.
ReactomeReactomeReactome 2022; RRID:SCR_003485Biblioteca de enriquecimento de vias acessada por meio do Enrichr.
scikit-learnDesenvolvedores do scikit-learnVersão 1.9.0Cálculos de AUROC e precisão média.
SciPyDesenvolvedores do SciPyVersão 1.18.0Testes de Welch, t pareado, Wilcoxon, Mann–Whitney e correlação.
SeabornEquipe de desenvolvimento do SeabornVersão 0.13.2Gráficos estatísticos.
statsmodelsDesenvolvedores do statsmodelsVersão 0.14.6Utilitários estatísticos.

Referências

  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.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Explorar mais artigos

Transcriptomas NasaisTranscriptomas SanguíneosFluxo de Trabalho ComputacionalAnálise de Expressão GênicaCoortes de Infecção ViralValidação de BiomarcadoresRobustez de Módulos
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.