Identificação de bioassinaturas salivares para triagem da covid-19 na era pós-ômicron: abordagens proteômica e metabolômica
| dc.contributor.advisor | Eberlin, Marcos Nogueira | |
| dc.contributor.author | Lima, Iasmim Lopes de | |
| dc.date.accessioned | 2025-03-21T18:27:25Z | |
| dc.date.available | 2025-03-21T18:27:25Z | |
| dc.date.issued | 2024-09-26 | |
| dc.description.abstract | A pandemia da doença do coronavírus de 2019 (COVID-19), causada pelo coronavírus da síndrome respiratória aguda grave 2 (SARS-CoV-2), impulsionou a busca por métodos de triagem e diagnóstico rápidos e não invasivos, destacando a saliva como uma matriz eficiente para a detecção molecular do vírus. As frequentes mutações do SARS-CoV-2, que aumentam sua transmissibilidade e evasão imunológica, continuam a desafiar o sistema de saúde, provocando sucessivas ondas de infecções nos últimos anos. Até onde sabemos, realizamos pela primeira vez análises ômicas específicas da saliva de voluntários negativos e positivos para COVID-19, recrutados em ambiente hospitalar, quando as variantes Ômicron dominaram o cenário epidemiológico global. O objetivo foi identificar assinaturas salivares que oferecessem insights sobre a resposta do hospedeiro à infecção pelo SARS-CoV-2 e auxiliassem na classificação da doença. Empregamos abordagens em proteômica, metabolômica e aprendizado de máquina em duas coortes independentes de pacientes. A análise proteômica revelou proteínas-chave associadas à redução do estresse do retículo endoplasmático e à sinalização antiapoptótica. Detectamos pela primeira vez o aumento na abundância de quatro proteínas da família 14-3-3 (YWHAG, YWHAQ, YWHAE e SFN) na saliva de pacientes infectados pelo SARS-CoV-2, que podem estar associadas ao aumento da capacidade replicativa viral e ao comprometimento da imunidade inata. Além disso, identificamos sete proteínas (ACTN1, H2AC2, GSN, NDKA, CD109, GGH e PCYOX) que compõem uma assinatura antiviral e anti-COVID, com potencial significativo para triagem da COVID-19. Entre elas, a Gelsolina (GSN) se destacou como um dos principais achados, previamente associada a um prognóstico favorável da doença com base em estudos com plasma. O classificador Support Vector Machine, que incluiu as sete proteínas mencionadas, alcançou sensibilidade de 91%, especificidade de 94% e acurácia balanceada de 92% na discriminação entre os grupos negativo e positivo para COVID-19. A análise metabolômica possibilitou a construção de modelos utilizando o algoritmo Random Forest com quatro subconjuntos de variáveis associadas à COVID-19, alcançando métricas de desempenho comparáveis ou superiores às descritas anteriormente na literatura. O classificador final, baseado em 39 metabólitos, atingiu alta sensibilidade (85% no conjunto de treinamento e 100% no conjunto de validação), especificidade (82% no conjunto de treinamento e 84% no conjunto de validação) e acurácia balanceada (84% no conjunto de treinamento e 92% no conjunto de validação). A assinatura dos metabólitos identificados putativamente foi composta principalmente por aminoácidos e lipídios, com maior abundância do hormônio liberador de tireotropina no grupo positivo para COVID-19, sugerindo um potencial desequilíbrio endócrino em casos leves da doença, relatado aqui pela primeira vez. A combinação das análises proteômica e metabolômica ofereceu uma abordagem promissora para a identificação de assinaturas salivares, com implicações importantes para a fisiopatologia e triagem da COVID-19. Nossos dados indicam respostas semelhantes do hospedeiro em nível de proteinas e metabólitos, sugerindo respostas antivirais e anti-inflamatórias aprimoradas, que podem estar relacionadas à menor gravidade da doença associada às infecções pelas variantes Ômicron. Esses achados são promissores e justificam investigações adicionais. Futuros estudos com coortes maiores de pacientes poderão auxiliar na validação dos potenciais marcadores diagnósticos e prognósticos que podem ser utilizados em conjunto com os métodos atuais. | |
| dc.identifier.uri | https://dspace.mackenzie.br/handle/10899/40280 | |
| dc.language.iso | pt_BR | |
| dc.publisher | Universidade Presbiteriana Mackenzie | |
| dc.subject | saliva | |
| dc.subject | COVID-19 | |
| dc.subject | ômicron | |
| dc.subject | proteômica | |
| dc.subject | metabolômica | |
| dc.subject | support vector machine | |
| dc.subject | random forest | |
| dc.subject | triagem | |
| dc.title | Identificação de bioassinaturas salivares para triagem da covid-19 na era pós-ômicron: abordagens proteômica e metabolômica | |
| dc.type | Tese | |
| local.contributor.advisorLattes | http://lattes.cnpq.br/9866858833240787 | |
| local.contributor.authorLattes | http://lattes.cnpq.br/1887114569305938 | |
| local.contributor.board1 | Castro e Silva, Cecília de Carvalho | |
| local.contributor.board1Lattes | http://lattes.cnpq.br/6889517148629242 | |
| local.contributor.board1Orcid | https://orcid.org/0000-0003-3933-1838 | |
| local.contributor.board2 | Ferreira, Christina Ramires | |
| local.contributor.board2Lattes | http://lattes.cnpq.br/2835436490519296 | |
| local.contributor.board3 | Simas, Rosineide Costa | |
| local.contributor.board3Lattes | http://lattes.cnpq.br/8767919379802600 | |
| local.contributor.board3Orcid | https://orcid.org/0000-0002-2018-0403 | |
| local.contributor.board4 | Carvalho, Valdemir Melechco | |
| local.contributor.board4Lattes | http://lattes.cnpq.br/0069884558503908 | |
| local.contributor.board4Orcid | https://orcid.org/0000-0002-9816-8615 | |
| local.description.abstracten | The coronavirus disease 2019 (COVID-19) pandemic, caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), has driven the search for rapid and non-invasive diagnostic methods, highlighting saliva as an efficient matrix for molecular virus detection. Frequent mutations of SARS-CoV-2 lead to increased transmissibility and immune evasion, posing ongoing challenges to the healthcare system and resulting in multiple waves of infections in recent years. To the best of our knowledge, this study represents the first comprehensive omics analysis focused specifically on saliva samples from patients with COVID-19 recruited within a hospital setting, conducted during the peak of Omicron variant dominance in the global epidemiological scenario. The aim was to identify salivary signatures that would offer insights into the host's response to SARS-CoV-2 infection and aid in classifying the disease. We employed proteomics, metabolomics, and machine learning approaches in two independent patient cohorts. The proteomic analysis unveiled crucial proteins linked to reducing endoplasmic reticulum stress and anti-apoptotic signaling. We detected, for the first time, the increased abundance of four proteins from the 14-3-3 family (YWHAG, YWHAQ, YWHAE, and SFN) in the saliva of patients infected with SARS-CoV-2, which may be associated with increased viral replicative capacity and compromised innate immunity. Additionally, we identified seven proteins (ACTN1, H2AC2, GSN, NDKA, CD109, GGH, and PCYOX) that constitute an antiviral and anti-COVID signature, with significant potential for COVID-19 screening. Among them, Gelsolin (GSN) stood out as one of the main findings, previously associated with a favorable disease prognosis based on plasma studies. The Support Vector Machine classifier, which included the seven mentioned proteins, achieved a sensitivity of 91%, specificity of 94%, and balanced accuracy of 92% in discriminating between negative and positive COVID-19 groups. By using metabolomic data, we built different models using the Random Forest algorithm with four subsets of metabolites associated with COVID-19. We achieved performance metrics comparable to or superior to those previously described. The final classifier, based on 39 metabolites, achieved high sensitivity (85%/100%), specificity (82%/84%), and balanced accuracy (84%/92%) in the training and validation sets, respectively. The putatively identified metabolites were predominantly amino acids and lipids, with a higher abundance of thyrotropin-releasing hormone in the COVID-19-positive group, suggesting the potential endocrine imbalance in mild cases of the disease, as reported here for the first time. Overall, combining proteomic and metabolomics analyses offered a promising approach to identifying salivary signatures, with significant implications for COVID-19 pathophysiology and screening. Our data indicate similar host responses at the protein and metabolic levels, suggesting enhanced antiviral and anti-inflammatory responses, which may be related to the lower disease severity associated with Omicron variant infections. These promising results warrant further investigation, and we hope that future studies involving larger patient cohorts could help validate potential diagnostic and prognostic markers, enhancing their integration with existing methods. | |
| local.keywords | omicron | |
| local.keywords | proteomics | |
| local.keywords | screening | |
| local.publisher.country | Brasil | |
| local.publisher.department | Escola de Engenharia Mackenzie (EE) | |
| local.publisher.initials | UPM | |
| local.publisher.program | Engenharia de Materiais e Nanotecnologia | |
| local.subject.cnpq | CNPQ::ENGENHARIAS |