
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多组学与机器学习的 PASC 分子特征分析及诊断模型研究
《Scientific Reports》:Multi-omic analysis of post-acute sequelae of COVID-19 (PASC)
【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9
编辑推荐:
摘要数百万从COVID-19感染中康复的患者会患上COVID-19后遗症(PASC),这种后遗症会严重影响他们的生活质量。关于PASC患者外周血的多组学特征,现有数据非常有限。我们招募了155名自报患有PASC的试验对象,并将他们与100名急性COVID-19患者以及44名健康受
数百万从COVID-19感染中康复的患者会患上COVID-19后遗症(PASC),这种后遗症会严重影响他们的生活质量。关于PASC患者外周血的多组学特征,现有数据非常有限。我们招募了155名自报患有PASC的试验对象,并将他们与100名急性COVID-19患者以及44名健康受试者进行了对比。对这些参与者的血液样本进行了最先进的质量谱分析和下一代白细胞RNA测序技术的研究。研究发现,PASC患者的分子状态未能恢复到健康基线水平,并且在多个生物学通路中存在异常,包括鞘脂类物质、染色质相关过程等。利用患者数据训练的机器学习算法能够准确诊断PASC,其平均精确度-召回率曲线下面积(AUC)为0.97。我们还开发了一个交互式工具,以便快速访问相关数据并进行进一步分析。这项研究通过整合多组学和机器学习方法,为PASC的发病机制提供了新的见解,同时建立了一个可靠的探索性框架和数据资源,为未来的生物标志物验证和临床meta分析提供了支持。