《PNAS》无细胞RNA分析提高儿童炎症早期检测

　　

RNA通过细胞死亡或主动释放从细胞中排出，然后进入血浆。康奈尔大学领导的一项合作开发了机器学习模型，该模型使用这些无细胞分子RNA渣渣来诊断难以区分的儿科炎症。

该诊断工具可以准确判断患者是否患有川崎病(KD)、儿童多系统炎症综合征(MIS-C)、病毒感染或细菌感染，同时监测患者的器官健康状况。

炎症性疾病对儿童的威胁特别大，因为这些疾病的症状——比如发烧和皮疹——很普遍，而且患者经常被误诊。如果治疗不当，MIS-C会导致心脏、肺、大脑和其他器官肿胀。同样，KD——儿童获得性心脏病的主要原因——可导致心脏动脉瘤和心脏病发作。一种基于无细胞rna的测试将是临床医生在关键的儿童早期阶段发现这些炎症的第一个分子诊断工具。

该团队的论文发表在《Proceedings of the National Academy of Sciences》上。康奈尔大学的研究小组由Iwijn De vlamink领导，他是生物医学工程副教授，也是这篇论文的资深作者之一。本文的主要作者是Conor Loy，他目前是Ignite for New Ventures的研究员。

这些发现源于四年前开始的一项合作，该合作使用下一代测序来表征在大流行期间激增的儿童中严重的COVID-19和MIS-C病例。最初，De vlamink和Loy专注于使用无细胞DNA来研究疾病的潜力，但他们发现自己对无细胞RNA越来越感兴趣，因为它提供了丰富的信息内容。虽然无细胞RNA已被证明是怀孕和癌症的有效生物标志物，但它的研究不如无细胞DNA那么充分。

第一作者Conor Loy说：“当你分析血浆中的RNA时，你看到的是来自垂死细胞的RNA，以及从身体任何地方的细胞释放出来的RNA。这给了你一个巨大的优势。在炎症条件下，有很多细胞死亡。在某些情况下，细胞会爆炸，它们的RNA被释放到血浆中。通过分离RNA并对其进行测序，我们可以发现疾病的生物标志物，并回溯RNA的来源，以测量细胞死亡。”

合作者研究了370份来自患有一系列炎症的儿科患者的血浆样本。该团队将RNA转化为DNA，然后进行DNA测序，分析基因组的蛋白质编码区域。洛伊花了一年的时间，用机器学习算法在样本中寻找疾病特征，基本上创建了一系列不同的工具来理解无细胞RNA。

除了开发准确的诊断模型外，研究人员还证明，无细胞RNA测序可用于量化特定组织和器官的损伤，包括肝脏、心脏、内皮、神经系统和上呼吸道。

De Vlaminck说:“我认为，数据分析中有很多新奇的东西、技术创新和工程设计。“我们能够量化有多少RNA来自不同的器官。有多少来自肝脏，或血管系统的上皮细胞。通过量化来源，我们还可以了解可能与免疫相关但发生在血管化组织中的损伤过程。”

这项研究得到了美国国立卫生研究院下属的国家儿童健康与人类发展研究所的支持。