2022年3月15日，西湖大學生命科學與生物醫學實驗室團隊在Cell Reports Medicine發表了題為“Multi-omics in COVID-19:Seeing the unseen but overlooked in the clinic”的文章（圖1）[1]。

圖1 研究成果（圖源：Cell Reports Medicine）

截至2022年2月12日，200多個國家和地區報告了超過4.05億例COVID-19確診病例及580萬例死亡病例。雖然疫苗接種并沒能阻止SARS-CoV-2的傳播，但卻降低了成人和兒童感染后發展成重癥或死亡的風險。多組學技術研究揭示了病原體的分子特征與結構，以及宿主對病毒感染和疫苗接種后反應的潛在分子機制（圖2和圖3）。

圖2 多組學能夠系統地表征COVID-19中的分子調節（圖源：Cell Reports Medicine）

注：大象指的是COVID-19患者，而放大鏡指用于檢查有限分子數量的傳統技術。多組學技術，就像衛星一樣，可以全面分析分子調控機制，其中大部分是放大鏡看不到的東西。

多組學技術極大加深了我們對SARS-CoV-2以及宿主反應的理解，這些技術包括但不限于第二代測序（Next-Generation Sequencing，NGS）、蛋白質組學和代謝組學（圖 3）。事實上，新冠大流行病原體的確定還需要歸功于基因組學。基于這個結果，人們開發了PCR試劑盒，并將之迅速應用于臨床，取代了原始的體溫檢測法，有效提高了COVID-19診斷的準確性。

關于SARS-CoV-2和宿主反應的多組學研究（圖源：Cell Reports Medicine）

注：改編自由BioRender.com（2022年）撰寫的“SARS-CoV-2關注變體的潛在傳播機制”；來源于https://app.biorender.com/biorender-templates；病毒的基因組和蛋白質組研究讓人們快速建立了用于COVID-19診斷的PCR檢測方法。基因組的監測使我們能夠對病毒的進化和傳播進行流行病學調查。目前已經根序列和表面蛋白設計了多種疫苗。大多數多組學分析都集中在宿主對感染或疫苗接種的反應上，蛋白質組學和代謝組學是這方面最重要的主力軍。

SARS-CoV-2的突變會導致其致病性、傳染性、傳播性或抗原性的變化。例如，研究發現E484K是一種免疫逃逸突變，可以減少抗體介導的中和作用。NGS技術的迅速應用不僅有助于Delta和Omicron等突變毒株的發現，而且有助于跟蹤調查它們在不同地區的傳播情況[1]。在津巴布韋對SARS-CoV-2變異毒株流行病學調查的一項研究中發現，60%的病例是輸入性的，這表明人口流動是其傳播的關鍵因素，進一步支持了檢疫和限制人口流動的重要性[4]。基于質譜（MS）的對新冠病毒刺突（S）糖蛋白質的研究也有助于疫苗的研發。病毒的S蛋白會與宿主細胞中的ACE2蛋白產生相互作用，利用這一點，抗體通過靶向作用于S蛋白來中和病毒。因此，S蛋白的結構，包括其糖基化位點，對疫苗的設計十分關鍵。Watanabe等人表達了重組刺突蛋白三聚體，并通過質譜確定了22個糖基化位點的糖基組成（例如，N234和N709位點上糖基主要屬于寡甘露糖型）[4]。這個研究不僅深化了我們對S蛋白結構的了解，而且還為評估疫苗和治療性抗體開發中的免疫原質量提供了基準。

雖然多組學幫助我們在了解病原體的性質和結構上取得了一定的進展，但新冠病毒感染患者的癥狀，如哪些患者會發展成重癥，仍然難以預測。如果有一種精確而實用的方法來根據疾病嚴重程度對患者進行分類，并確定那些能在SARS-CoV-2感染中幸存下來的大多數患者，那么許多對全球大流行的擔憂就可以得到緩解。此外，不同人群對新出現的突變毒株的免疫反應是否存在差異？不同的疫苗和接種次數是如何影響人體對SARS-CoV-2的免疫力的？要解決這些問題及許多其他關鍵問題，我們需要全面了解宿主對這種病原體及其疫苗的反應。大多數多組學研究能夠基于多種器官和臨床標本，探究宿主對病原體的成千上萬種分子變化，這是傳統的方法難以實現的。

COVID-19宿主反應研究最初僅限于觀察如發燒和咳嗽等的臨床癥狀，進一步延伸到觀察胸部CT及如CRP和SAA1等的循環蛋白生物標志物指標的變化。這些標志物已用于其他傳染病的觀察，基于這些經驗，它們也被用于監測COVID-19的臨床進展。多組學研究監測了人體內大量由于感染新冠發生改變的分子，極大地拓展潛在的標志物種類，這些發現通常難以用傳統的分析方法檢測到（圖3）。例如，基于COVID-19患者血清的蛋白質組學和代謝組學研究已有效地應用于測量約2000個血液中的分子，其中93種蛋白質和204種代謝物在重癥患者中表現出顯著的特異性失調。該研究還強調了血小板脫顆粒、巨噬細胞和補體系統的關鍵作用。大多數關鍵分子變化已在多個國家/地區的其他新冠多組學研究中得到證實，驗證了蛋白質組學和代謝組學技術的可靠性以及他們在臨床決策中的潛在價值[4]。

值得一提的是，尿液作為一種非侵入性的臨床生物標本，其中包含的蛋白質和小分子代謝物也可以很容易地被質譜檢測到。研究人員在尿液中檢測到了近4000種蛋白質，而由于血清中高豐度蛋白質的存在，使用相同的質譜方法僅能檢測到約1500種蛋白質。值得注意的是，可在血清中檢測到的蛋白有80%可在尿液中檢測到，而在尿液中檢測到的蛋白僅有31%可以在血清中檢測到[6]。

為什么我們需要檢測這些分子呢？這些發現對抗疫有何幫助？多項組學研究表明，在經過合理設計的組學實驗中，機器學習可以篩查用于分類和監測疾病進展的生物標志物。例如，基于血清中表達的22種蛋白質和7種代謝物的隨機森林模型可以可靠地指示 COVID-19的嚴重程度，并在一定程度上預測疾病預后。4同樣，基于尿液蛋白的模型也可用于監測COVID-19疾病進展[6]。

除了血液中的循環分子外，其他器官中的分子變化對于揭示宿主反應也至關重要。病理切片檢查在宏觀和微觀層面為診斷提供了豐富的信息，被廣泛認可為疾病診斷的“金標準”。然而，在新冠患者的多器官病理切片中觀察到的改變與非典型性肺炎（SARS）和中東呼吸綜合征（MERS）患者中呈現的的組織病理學區別并不明顯，而是高度相似。基于質譜的蛋白質組學現在能夠在多器官尸檢樣品中表征超過10000種蛋白質，并發現了參與凝血，血管生成，纖維化和脂肪酸代謝等過程的多種失調蛋白質[7]。

如果沒有這樣的高深度的蛋白質組學技術，而使用基于假設的研究方法來探索新冠感染后人體的變化，那么目前已知的幾個重要發現，如肺部組織蛋白酶L（Cathepsin L）的上調與COVID-19死亡率之間存在潛在聯系或INSL3蛋白減少與睪丸中間質細胞受損之間的關聯，將耗費無法估量的精力與時間[8]。蛋白質組學使我們能夠“看到”病理表現背后的分子變化。患者的組織標本，特別是肺組織，可能具有傳染性，在分析之前必須進行滅活，這通常通過福爾馬林固定來實現，而其通常會導致mRNA降解，使得基于福爾馬林固定的樣本的轉錄組學分析存在挑戰性。相比之下，蛋白可以被有效地從福爾馬林固定的組織中提取，然后進行質譜分析[9]。

組學技術還能夠發現病毒的靶細胞，這是傳統技術難以實現的。鼻咽拭子的單細胞RNA 測序（single-cell RNA sequencing，scRNA-seq）顯示，在COVID-19感染期間，咽部的纖毛細胞（ciliated cell）減少，同時分泌細胞（secretory cell）、次胞質體 （deuterosomal cell）擴增和巨噬細胞（macrophages）增加。沒有其他技術可以替代單細胞RNA測序直接從臨床標本中獲得這樣的結果[10]。不僅如此，scRNA-seq也可以用于解碼同種細胞的多種亞細胞群。例如，淋巴細胞減少癥（血液中循環淋巴細胞的顯著減少）是COVID-19患者的常見癥狀。各種淋巴細胞在抗病毒免疫中發揮著不同的作用，基于這些淋巴細胞的scRNA-seq研究發現了三種不同淋巴細胞亞細胞群響應模式與患者的預后有關[11]。

多組學研究還可能為疫苗的使用提供指導意見，盡管這些數據目前尚不充分。全球已接種超過100億劑疫苗，包括mRNA疫苗、滅活病毒疫苗和基于腺病毒的疫苗等。雖然所有疫苗都對預防SARS-CoV-2感染起到了一定的保護作用，但mRNA疫苗被證實比其他疫苗帶來了更高的中和抗體滴度。然而，這種保護作用不僅通過中和抗體起作用，而且還由其他免疫效應機制介導，包括T細胞和先天免疫細胞[12]。例如，在沒有檢測到中和抗體的情況下，即使只接種一劑，mRNA疫苗對預防感染也達到了80%的有效性。11此外，高達6%的被接種人在第二次注射后血清中仍然檢測不到中和抗體。

據美國疾控中心報道，截至2022年2月12日，超過0.004%的被接種人出現了嚴重的副作用，包括過敏反應、血栓形成伴血小板減少綜合征、吉蘭-巴雷綜合征甚至死亡[12]。中和抗體的濃度隨時間推移而下降，突破性感染時有發生，尤其是當面對新興的免疫逃逸突變毒株如Omicron時。迄今為止，針對特定突變毒株的定制疫苗尚未出現，盡管其在預防COVID-19方面具有不可否認的重要性[13]。解決疫苗的保護性免疫不確定性的一項有爭議但務實的政策是強制加強疫苗的接種。

疫苗接種的這些局限性，是目前多個國家數億被接種人次所遇到的普遍問題。理論上，通過實時監測血清抗體含量變化可以為人群的流行病學追蹤提供信息，更重要的是，可能為指導疫苗劑量和接種間隔提供有用的信息。然而，即使是中和抗體的檢測也沒有被廣泛用于指導臨床決策，這可能是因為大規模血液采樣的可行性有限，并且缺乏通用的標準流程。監測尿蛋白的變化可能是評估對病毒免疫力的更實際的手段，但是，目前也還沒有相關的數據公布。

雖然已經發表的與COVID-19相關的組學論文已有近10000篇（截至2022年2月12日的PubMed搜索），但除了PCR和病毒的基因組分析外，大部分組學研究的結果尚未成功進入COVID-19的臨床應用。一個可能的原因是，人們的認知中多組學技術還不成熟（主要指蛋白質組學和代謝組學），重復性和可靠性不高，無法提供臨床上可靠的結果。

然而，最近世界各地的多個實驗室發表的蛋白質組學數據在失調的分子的種類和變化趨勢上顯示出驚人的一致。相比之下，眾所周知的是假陰性在SARS-CoV-2的PCR檢測中很常見。最近一項針對95919名患者的研究報告顯示PCR檢測新冠病毒的假陰性率 （False-Nnegative Rate，FNR）和敏感性分別為9.3%（95% CI 1.5–17.0%）和 90.7%（95% CI 82.6–98.9%）。有些人可能會爭辯說，蛋白質太不穩定了，在實際應用中難以成為穩定可信的生物標志物[14]。然而，研究表明，通過質譜測量的蛋白質比 NGS測量的mRNA更穩定[15]。

那是因為蛋白質和代謝物的測量在技術和分析上太具有挑戰性，而且成本太高嗎？確實，蛋白質組學和代謝組學數據的獲取需要許多步驟，依賴于特殊的專業知識和昂貴的儀器。例如，蛋白質組學的數據采集依賴于高分辨率質譜儀。然而，更復雜和昂貴的技術如正電子發射斷層掃描（Positron Emission Tomography，PET）等已經在臨床上廣泛使用，所以這些也不應該是不可逾越的障礙。此外，通過質譜法測量一種蛋白質的成本已從2006年的約3美元降至2020年的不到0.1美元[16]。

蛋白質組學和代謝組學臨床應用的主要障礙可能是缺乏標準化。由于蛋白質組學領域正在快速發展，不同實驗室幾乎不會使用完全相同的標準操作流程（Standard Operating Protocols，SOP）；而代謝組學的情況更加令人困惑，出于商業考慮，即使是在不同實驗室中生成的原始數據文件也很少得到共享。盡管代謝組學的商業化先于蛋白質組學的商業化，但大多數代謝組學平臺并不公開其開發的資源（例如，用于分子測量的化合物庫）和技術，甚至在科學交流中也不共享其原始數據。想要實現必要的透明度和標準化，扭轉這種令人氣餒的局面絕非易事。相比之下，蛋白質組學界的狀況更加科學透明、心態更加開放共享。我們相信，在不久的將來，通過蛋白質組學科學家、臨床從業者和其他利益相關者的共同努力，可以制定出幾個能夠獲得國際共識的用于臨床的蛋白質組學SOP。

整合對相同樣本使用不同組學方法測量的數據對多組學的臨床應用也是一大挑戰。基因組數據大多是定性的，而轉錄組、蛋白組和代謝組的數據大多是定量的。因此，人們很難通過算法直接分析這復雜多樣的數據。此外，與在相同個體的不同組織之間保持一致的基因組不同，蛋白質組和代謝組具有組織特異性和環境依賴性，能夠反映生理和病理上的復雜的實時狀態，其時空異質性也為數據采集和分析帶來巨大的挑戰。

除了這些技術限制之外，在大流行期間收集潛在的傳染性樣本還帶來了額外的挑戰。COVID-19研究中使用的最常見樣本是血液或支氣管肺泡灌洗液樣本，而尿液和糞便等非侵入性樣本的數據也已逐漸被證明能夠有效反映宿主反應。然而，醫院缺乏用于安全收集和有效預處理這些樣本的SOP以進行多組學研究，這可能成為隊列內和不同隊列之間偏倚的來源之一。考慮到生物安全的問題，對COVID-19樣本的獲取有諸多限制，但這也限制了對這些珍貴樣本的進行全面深入研究的可能，從而限制了人們對COVID-19 的探索來發展有效防疫措施。如果能夠建立適當的處理和獲取這些潛在傳染性標本且技術上可行的SOP，我們對COVID-19的研究將會更快地發展和深入。COVID-19不太可能消失，這也不會是最后一次大流行病。因此，人類絕不能自滿于目前所取得的成就。國際社會現在必須采取行動，為未來做好更充分的準備。

[1]Tian Lu, Yingrui Wang, Tiannan Guo, Multi-omics in COVID-19: Seeing the unseen but overlooked in the clinic, Cell Reports Medicine, 2022 Mar;3(3):2666-3791.doi:10.1016/j.xcrm.2022.100580.
[2]Harvey WT, Carabelli AM, Jackson B, et al. COVID-19 Genomics UK (COG-UK) Consortium, Peacock SJ, Robertson DL. SARS-CoV-2 variants, spike mutations and immune escape. Nat Rev Microbiol. 2021 Jul;19(7):409-424. doi: 10.1038/s41579-021-00573-0. Epub 2021 Jun 1. PMID: 34075212; PMCID: PMC8167834.
[3]Mashe T, Takawira FT, de Oliveira Martins L, et al. COVID-19 Genomics UK Consortium; SARS-CoV-2 Research Group. Genomic epidemiology and the role of international and regional travel in the SARS-CoV-2 epidemic in Zimbabwe: a retrospective study of routinely collected surveillance data. Lancet Glob Health. 2021 Dec;9(12):e1658-e1666. doi: 10.1016/S2214-109X(21)00434-4. Epub 2021 Oct 22. PMID: 34695371; PMCID: PMC8536247.
[4]Watanabe, Y., Allen, J.D., Wrapp, D., et al. Site-specific glycan analysis of the SARS-CoV-2 spike. Science 369, 330-333 (2020).
[5]Shen B, Yi X, Sun Y, et al. Proteomic and Metabolomic Characterization of COVID-19 Patient Sera. Cell. 2020 Jul 9;182(1):59-72.e15. doi: 10.1016/j.cell.2020.05.032. Epub 2020 May 28. PMID: 32492406; PMCID: PMC7254001.
[6]Bi X, Liu W, Ding X, et al. Proteomic and metabolomic profiling of urine uncovers immune responses in patients with COVID-19. Cell Rep. 2022 Jan 18;38(3):110271. doi: 10.1016/j.celrep.2021.110271. Epub 2021 Dec 28. PMID: 35026155; PMCID: PMC8712267.
[7]Deshmukh, V., Motwani, R., Kumar, A., et al. Histopathological observations in COVID-19: a systematic review. J Clin Pathol 74, 76-83 (2021).
[8]Nie X, Qian L, Sun R, et al. Multi-organ proteomic landscape of COVID-19 autopsies. Cell. 2021 Feb 4;184(3):775-791.e14. doi: 10.1016/j.cell.2021.01.004. Epub 2021 Jan 9. PMID: 33503446; PMCID: PMC7794601.
[9]Zhu Y, Weiss T, Zhang Q, et al. High-throughput proteomic analysis of FFPE tissue samples facilitates tumor stratification. Mol Oncol. 2019 Nov;13(11):2305-2328. doi: 10.1002/1878-0261.12570. Epub 2019 Sep 18. PMID: 31495056; PMCID: PMC6822243.
[10]Ziegler CGK, Miao VN, Owings AH, et al. Impaired local intrinsic immunity to SARS-CoV-2 infection in severe COVID-19. Cell. 2021 Sep 2;184(18):4713-4733.e22. doi: 10.1016/j.cell.2021.07.023. Epub 2021 Jul 23. PMID: 34352228; PMCID: PMC8299217.
[11]Mathew D, Giles JR, Baxter AE, et al. Deep immune profiling of COVID-19 patients reveals distinct immunotypes with therapeutic implications. Science. 2020 Sep 4;369(6508):eabc8511. doi: 10.1126/science.abc8511. Epub 2020 Jul 15. PMID: 32669297; PMCID: PMC7402624.
[12]Sadarangani, M., Marchant, A. & Kollmann, T.R. Immunological mechanisms of vaccine-induced protection against COVID-19 in humans. Nat Rev Immunol 21, 475-484 (2021).
[13]Kuhlmann C, Mayer CK, Claassen M, et al. Breakthrough infections with SARS-CoV-2 omicron despite mRNA vaccine booster dose. Lancet. 2022 Feb 12;399(10325):625-626. doi: 10.1016/S0140-6736(22)00090-3. Epub 2022 Jan 18. Erratum in: Lancet. 2022 Feb 12;399(10325):628. PMID: 35063123; PMCID: PMC8765759.
[14]Kanji JN, Zelyas N, MacDonald C, et al. False negative rate of COVID-19 PCR testing: a discordant testing analysis. Virol J. 2021 Jan 9;18(1):13. doi: 10.1186/s12985-021-01489-0. PMID: 33422083; PMCID: PMC7794619.
[15]Shao W, Guo T, Toussaint NC, et al. Comparative analysis of mRNA and protein degradation in prostate tissues indicates high stability of proteins. Nat Commun. 2019 Jun 7;10(1):2524. doi: 10.1038/s41467-019-10513-5. PMID: 31175306; PMCID: PMC6555818.
[16]Xiao Q, Zhang F, Xu L, et al. High-throughput proteomics and AI for cancer biomarker discovery. Adv Drug Deliv Rev. 2021 Sep;176:113844. doi: 10.1016/j.addr.2021.113844. Epub 2021 Jun 26. PMID: 34182017.