尿液中的蛋白可作为新冠轻重型的分类标准

过去两年来，新冠的爆发让全人类措手不及。截至今天，新冠病毒仍然在地球上大部分地区肆虐。凛冬已至，温度骤降，现在已经进入了感冒等流行病毒的高发季节。随着新的突变株奥密克戎（Omicron）的出现，世界上已经有不少国家对此警戒万分，全球人类也需要共同协作，以控制新一轮新冠的爆发。不管是哪一变株流行，其背后的基础研究都是迫切和必要的。尿液分子表型的研究有重大意义。

近日，西湖大学西湖实验室郭天南课题组等在 Cell Reports 发表了题为：Proteomic and metabolomic profiling of urine uncovers immune responses in patients with COVID-19 的研究论文。

该研究表明新冠肺炎病人的尿液作为一种完全无创的生物样本，从尿液中获取的生物分子可以灵敏地反映机体的病理状态。这项研究从尿液中筛选出 20 个蛋白质标志物并建立模型，成功实现了对新冠患者进行分类预测的目的；该研究同时针对性地提出了新冠患者存在潜在肾损伤的证据。

尿液来源于外周循环，无需专业采集手段即可获得（相比较血清、组织等），完全可以满足日常实时健康监测的要求。利用尿液中的生物分子对人体健康状态进行监测，对于未来精准医学、精准抗疫具有重要的实用价值和现实意义。

该研究对 COVID-19 患者组以及健康对照组的共计 115 个尿液、血清样本进行了系统研究。运用蛋白组学和代谢组学的分析手段，对各组病人进行了研究对比。从蛋白层面分析，单位体积的尿液蛋白表达量在轻、重型 COVID-19 组中与健康组相比明显升高，这个结果提示尿液可能会更灵敏地反应机体疾病水平的变化。

该研究共定量了 1494 个血清蛋白，3854 个尿液蛋白，903 个血清代谢物和 1033 个尿液代谢物。研究发现尿液中的蛋白分子量分布与全人类蛋白组的蛋白分子量分布一致，这说明尿液样本不会漏掉某一类蛋白而导致信息丢失。

那么尿液蛋白能否体现出新冠肺炎引起的分子变化呢？机器学习结果显示，尿液蛋白对于轻重型新冠肺炎的区分能力与血清蛋白基本一致。该研究在此基础上，建立了基于 20 个尿液蛋白的机器学习模型。在重型 COVID-19 患者的转归过程中，该模型的预测值随着时间的延长逐渐降低；而在轻型的恢复患者中，预测值趋于平缓并无明显变化。这些结果进一步证实了这 20 个尿液蛋白具备对 COVID-19 轻重型进行分类预测的潜力。

该研究接下来探索了 COVID-19 患者血清和尿液之间的相关性。随着疾病进程加重（健康-轻型-重型），有 301 个蛋白的相对丰度在尿液和血清中呈现出相反的表达模式。

研究发现两种参与肾小管重吸收的重要调节因子，megalin (LRP2）  和 cubilin (CUBN），在 COVID-19 患者尿液中的含量均呈现下降趋势。COVID-19 患者的肾小管再吸收过程可能出现了紊乱失调，导致尿液中某些蛋白质变化呈现出与血液中不同的表达模式。这种现象可能也存在于其他疾病中，还有待进一步研究。

不受控制的先天性炎症反应引起的细胞因子风暴，是导致 COVID-19 患者高死亡率的主要原因，因此该研究还着重关注了细胞因子在血清和尿液中的表达情况。该研究在血清中定量到了 124 个细胞因子，在尿液中定量到了 197 个。在尿液中，CXCL14 与 COVID-19 患者的淋巴细胞计数具有显着的相关性，或可能用于指示 COVID-19 病情的严重程度。(生物谷Bioon.com）