Este articulo es un Preprint
Los preprints son informes de investigación preliminares que no han sido certificados por revisión por pares. No deben considerarse para guiar la práctica clínica o los comportamientos relacionados con la salud y no deben publicarse en los medios como información establecida.
Los preprints publicados en línea permiten a los autores recibir comentarios rápidamente, y toda la comunidad científica puede evaluar de forma independiente el trabajo y responder adecuadamente. Estos comentarios se publican junto con los preprints para que cualquiera pueda leer y servir como una revisión pospublicación.
Multi-Omics integration analysis of respiratory specimen characterizes baseline molecular determinants associated with COVID-19 diagnosis.
Preprint
en En
| PREPRINT-MEDRXIV
| ID: ppmedrxiv-20147082
ABSTRACT
Rapid diagnosis and precise prognostication of SARS-CoV-2 infection remains a major challenge. A multi-omic approach was adopted, and in the discovery phase, global proteome/metaproteome/metabolome were analysed in the respiratory specimens of SARS-CoV-2 positive [n=20], negative [n=20], and H1N1 positive [n=5] cases. We identified MX1 (MX Dynamin Like GTPase 1) and WARS (Tryptophan--tRNA ligase) as clues to viral diagnosis and validated in 200 SARS-CoV-2 suspects. MX1 >30pg/ml and WARS >25ng/ml segregated virus positives patients [(AUC=94%CI(0.91-0.97)]. Distinct increase in SARS-CoV-2 induced immune activation, metabolic reprograming and a decrease in oxygen transport, wound healing, fluid regulation, vitamin and steroid metabolism was seen (p<0.05). Multi-omics profiling correlated with viraemia and segregated asymptomatic COVID-19 patients. Additionally, the multiomics approach identified increased respiratory pathogens [Burkholderiales, Klebsiella pneumonia] and decreased lactobacillus salivarius (FDR<0.05, p<0.05) in COVID-19 specimens. ConclusionNovel proteins [MX1 and WARS] can rapidly and reliably diagnose SARS-CoV-2 infection and identify asymptomatic and mild disease.
cc_by_nc_nd
Texto completo:
1
Colección:
09-preprints
Base de datos:
PREPRINT-MEDRXIV
Tipo de estudio:
Prognostic_studies
Idioma:
En
Año:
2020
Tipo del documento:
Preprint