24 2020．04

【代謝體技術分享】代你看看OxO_病毒搞什麼？！

代謝體學新知分享，首次“代”你看看OxO，要代你看的是這幾個月大家都非常關注的病毒: SARS-CoV-2！也是就事大家熟知的COVID-19 (新冠肺炎或武漢肺炎)。目前針對COVID-19的研究主要專注於基因體(病毒基因體解析、病毒核酸診斷)、蛋白質體(抗原診斷、疫苗開發)和藥物開發，代謝體學當然也要助科學家一臂之力！代謝體學在這波疫情中扮演了什麼角色呢？就讓我們用例子來告訴大家！

今年4月發表於medRxiv平台的文章，利用蛋白質體與代謝體學來探究COVID-19的病理機制，本篇的另外一個重點是透過機器學習 (Machine learning)，來尋找血清樣本中的蛋白和代謝生物標記(Biomarker)。讀到這裡，你或許會疑惑，已經有病毒核酸的檢測方法，為什麼還需要尋找血清中的Biomarker呢？

作者提到，患有COVID-19的病患可依臨床病徵分成兩類：輕症 (Non-severe) 和重症 (Severe)，輕症患者在常規治療或不需治療的情況下可以復原，但重症患者一般死亡率較高，需有效地給予正確的治療方式，若能找到在輕症轉為重症的Biomarker，除了能即時給予治療降低死亡率外，也能減少醫療資源的浪費，同時藉此找到病理機制和治療方法。

以下針對代謝體學的結果作說明

蒐集了99個血清樣本包含健康組、流感組、輕症組、重症組，樣本分組狀況如下圖。

血清樣本經過萃取後分成疏水(hydrophobic)和親水(hydrophilic)層，使用UPLC-MS/MS的正離子和負離子模式進行分析，目的是希望盡可能的分析樣本內的各類代謝物質，這類的代謝體學方式為所謂的非標靶(Untargeted/Profiling)。

在文獻中，總共檢測到204個有變化的代謝物，作者將其中82的代謝物分類成6大類(fatty acids, steroids, glycerophospholipid, sphingolipid, choline and serotonins)，並分成3大病理機制做探討：Macrophage function (巨噬細胞功能)、Platelet degranulation (血小板脫顆粒)、Complement system (補體系統)。結果請參考下圖，以下針對3大病理機制做統整說明：

總觀的說明一下這3大病理機制之間的關係：在SARS-CoV-2入侵肺部後，巨噬細胞活化(ACE receptor)並釋放IL-6和TNF-a至血液中，這些cytokines啟動一系列免疫反應，包括使肝臟釋放Acute phase protein (APPs)，APPs會活化補體系統來消除病原菌，且造成更多cytokines和chemokines被製造而造成”cytokine storm”，而這又更近一步引導更多巨噬細胞進入到肺部，而造成肺部損傷。此時血小板對肺損傷反應，藉由脱顆粒(degranulation)來活化免疫反應，導致另一波的cytokine storm。更詳細的病理機制請參考文獻內容。

A. 巨噬細胞功能(Macrophage function)
(1) Steroid hormones: 結果中顯示16種Steroid hormones在COVID-19病患中累積，包括Progesterone, Androgens, Estrogens和Bile acids，而這些物質在先前的研究中指出可以促進巨噬細胞的活化。
(2) Tryptophan與Kynurenine pathway: Tryptophan為Kynurenine pathway的上游原料，該反應最終會生成NAD+，與活化巨噬細胞也有關
(3) Choline和其衍生物、Sphingolipids和Glycerophospholipids含量的下降與免疫反應的活化、訊息傳遞有關。
(4) Fatty acids: Fatty acids和脂質一樣在COVID-19患者中的含量是下降的，作者這邊補充提到在2019的研究中指出若對感染HCoV-299E的細胞額外提供arachidonic acid，可以有效抑制HCoV-299E和MERS-CoV的感染，這樣的治療方式有機會作為治療COVID-19的策略之一。

B. 血小板脫顆粒(Platelet degranulation)
在近期的COVID-19病症觀察中，發現患者有血小板減少症(thrombocytopenia)，血小板的數量越少，COVID-19的症狀越嚴重，而血小板數量減少可對應到Serotonin的含量下降；Serotonin來源為腸黏膜細胞(enterochromaffin cell)，會被運送到血小板中儲存和釋放。另外，在研究結果中fatty acids的含量較低，其中arachidonate和docosapentaenoate為血小板脫顆粒的活化因子，其含量的降低與血小板數下降可能有關。

C. 補體系統(Complement system)
補體系統的部分在蛋白質體的結果被探討較多。而在代謝的部分有提到與此相關的為Mannose和其衍伸物，在重者患者中Mannose和衍生物的含量累積，而在先前文獻指出Mannose會和lectin結合促進補體活化。

D. 脂質代謝
額外再把脂質拿出來討論主要是在結果中發現100多種的脂質在重症患者中含量下降，除了在巨噬細胞的部分提到的與免疫反應有關外，另外就是在病毒快速複製的時期，會消耗大量的脂質，因此作者也提到，在2013年的研究中發現，使用MβCD抑制cholesterol synthesis可以抑制SARS-CoV顆粒的釋放，有機會作為治療COVID-19的方法之一。

實驗總結可參考下圖。

本篇研究藉由蛋白質體與代謝體學分析血清樣本，將所得的數據透過機器學習找到22個蛋白和7個代謝物的Biomarker，該模型有93.5%的準確率能分辨COVID-19重症患者。藉由這些數據了解COVID-19的分子病理機制，並找到潛力的治療方法。

參考文獻：Shen, B., Yi, X., Sun, Y., Bi, X., Du, J., Zhang, C., & Ge, W. (2020). Proteomic and Metabolomic Characterization of COVID-19 Patient Sera. medRxiv.