2024年了，Covid19怎么发？PANoptosis程序性死亡，抓紧上车！

说在前面

大家众所周知的新冠，其实早在19年末，20年初的时候很多人都抓住了这个热点发到了好文章，Covid-19，这玩意可以做到让一个期刊从2分飙升到20分，且非预警期刊，不过现在退火了，今年是12.7分，估计明年会到10分以下。

时至2024年，还有Covid-19的文章，PANoptosis程序性死亡的，之前有分享过常见的18种程序性死亡基因集：，PANoptosis是一种独特的先天免疫、炎症和裂解细胞死亡途径，由caspase和 RIPK驱动，并受多蛋白 PANoptosome 复合物调节。

给大家分享一下这篇文章，看看具体做的什么？

今天给大家分享一篇JCR一区，Covid19的文章：PANoptosis, an indicator of COVID-19 severity and outcomes

标题：PANoptosis，COVID-19 严重程度和结果的指标
期刊名称：Briefings in Bioinformatics
影响因子：9.5
JCR分区：Q1
中科院分区：生物学2区Top
小类：生化研究方法1区数学与计算生物学1区

摘要

2019 年冠状病毒病 (COVID-19) 已造成严重破坏 3 年。 PANoptosis 是一种独特的且与生理相关的炎症性程序性细胞死亡，它使 COVID-19 中的细胞因子风暴和多器官损伤持续存在。尽管 PANoptosis 在宿主防御中发挥着不可或缺的作用，但仍需要进一步研究来阐明 PANoptosis 调节 COVID-19 免疫反应和预后的确切过程。本研究对在线单细胞 RNA 序列 (scRNA-seq) 和批量 RNA-seq 数据集进行了生物信息学分析，以探索 PANoptosis 作为 COVID-19 严重程度指标的潜力。支气管肺泡灌洗液（BALF）和外周血单个核细胞（PBMC）中的 PANoptosis 程度表明了 COVID-19 的严重程度。单细胞转录组学发现促炎单核细胞是 COVID-19 中 PANoptosis 的主要位点之一。该研究随后证明了这组促炎单核细胞的免疫和代谢特征。此外，分析表明地塞米松可能通过减轻全下垂来减轻 COVID-19 中的炎症。最后，研究表明，PANoptosis 相关基因可以预测住院的 COVID-19 患者的重症监护病房 (ICU) 和结果。

关键词：PANoptosis , COVID-19 ,单细胞 RNA-seq ,批量 RNA-seq

结果

COVID-19 中 PANoptosis 显着增加，并且与炎症反应相关。

( A )本研究的工作流程。使用了三个单细胞 RNA-seq 数据集：BALF 数据集包括健康对照 ( N = 3) 以及中度 ( N = 3) 和重度 ( N = 6) COVID-19 患者； PBMC数据集涉及健康对照（N = 24）和无症状（ N = 12）、轻度（N = 26）、中度（N = 32）和重度（N = 32）COVID-19 患者； PBMC-Dex 数据集损害了健康对照 ( N = 5) 和 COVID-19 ARDS 患者，均未接受地塞米松治疗（ T1 时N = 9， T2 时N = 5）和接受地塞米松治疗（ T1 时N = 5， T2 时N = 2），被送入 ICU。 T1表示入ICU后72小时内的第一次抽血，而T2表示T1后7天进行的后续抽血。此外，还使用了两个批量 RNA 测序数据集：一个数据集涉及非 ICU ( N = 50) 和 ICU ( N = 50) COVID-19 患者；而另一个数据集包括中度 ( N = 172) 和重度终末器官损伤 ( N = 45) COVID-19 患者。
( B ) BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞中关键 PANoptosis 基因的表达水平，按疾病严重程度分类。
( C ) BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞的 PANoptosis 评分，按疾病严重程度分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( D ) BALF 数据集中来自重症 COVID-19 患者的所有细胞的 PANoptosis 评分，按结果分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( E ) 热图显示 BALF 数据集中的 COVID-19 患者和健康对照的所有细胞中 PANoptosis 评分与炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞中关键 PANoptosis 基因的表达水平，按疾病严重程度分类。
（G) PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞的 PANoptosis 评分，按疾病严重程度分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( H ) PBMC 数据集中来自重症 COVID-19 患者的所有细胞的 PANoptosis 评分，按结果分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( I ) 热图显示 PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞中 PANoptosis 评分与炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。

全凋亡主要发生在促炎单核细胞中。

( A ) UMAP 嵌入说明了 BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞。从 12 个生物学独立样本中总共绘制了 72 174 个细胞。
( B ) UMAP 嵌入显示 PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞，颜色表示手动细胞类型注释。从 126 个生物学独立样本中总共绘制了 619 008 个细胞。
( C ) BALF 数据集中来自 COVID-19 患者和健康对照的每个细胞亚群的 PANoptosis 评分。显示了 Kruskal-Wallis 检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( D ) PBMC 数据集中来自 COVID-19 患者和健康对照的每个细胞亚群的 PANoptosis 评分。显示了 Kruskal-Wallis 检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( E ) BALF 数据集中来自 COVID-19 患者和健康对照的不同单核细胞亚群的 PANoptosis 评分。使用Student’s t检验确定精确的P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的不同单核细胞亚群的 PANoptosis 评分。使用Student’s t检验确定精确的P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( G ) BALF 数据集中每个疾病严重程度类别中单核细胞亚群的比例。
( H ) PBMC 数据集中每个疾病严重程度类别中单核细胞亚群的比例。

促炎单核细胞中全凋亡的程度反映了疾病的严重程度和炎症状况。

( A ) BALF 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞中关键 PANoptosis 基因的表达水平，按疾病严重程度分类。
( B ) BALF 数据集中来自 COVID-19 患者和健康对照的促炎性单核细胞的 PANoptosis 评分，按疾病严重程度分类（使用两侧学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( C ) BALF 数据集中来自重症 COVID-19 患者的促炎性单核细胞的 PANoptosis 评分，按结果分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( D ) 热图显示 BALF 数据集中的 PANoptosis 评分与来自 COVID-19 患者和健康对照的促炎单核细胞中的炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( E ) PBMC 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞的关键 PANoptosis 基因的表达水平，按疾病严重程度分类。
( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞的 PANoptosis 评分，按疾病严重程度分类（使用两侧学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( G ) PBMC 数据集中来自重症 COVID-19 患者的促炎性单核细胞的 PANoptosis 评分，按结果分类（使用两侧学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( H ) 热图说明 PBMC 数据集中的 PANoptosis 评分与来自 COVID-19 患者和健康对照的促炎单核细胞中的炎症细胞因子之间的相关性。

地塞米松治疗 COVID-19 可抑制全视神经下垂。

( A ) T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞的 PANoptosis 评分，按治疗组分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( B ) T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞的 PANoptosis 评分，按治疗组分类（使用双面学生t检验进行成对比较）。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( C ) T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞中炎症细胞因子的表达水平，按治疗组分类。
( D ) T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞中炎症细胞因子的表达水平，按治疗组分类。
( E ) UMAP 嵌入，显示 T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的单核细胞。从 19 个生物学独立样本中总共绘制了 3202 个细胞。
( F ) UMAP 嵌入说明 T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 患者的单核细胞。从 12 个生物学独立样本中总共绘制了 3027 个细胞。
( G ) PBMC-Dex 数据集中 T1 时不同治疗组中单核细胞亚群的比例。
( H ) PBMC-Dex 数据集中 T2 时不同治疗组中单核细胞亚群的比例。
( I ) PBMC-Dex 数据集中健康对照和 COVID-19 患者在 T1 时的促炎单核细胞 PANoptosis 评分，按治疗组分类。显示了学生t检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( J ) PBMC-Dex 数据集中 T2 时 COVID-19 患者促炎性单核细胞的 PANoptosis 评分，按治疗组分类。显示了学生t检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
( K ) PBMC-Dex 数据集中 T1 时 COVID-19 患者促炎单核细胞炎症细胞因子的表达水平，按治疗组分类。
( L ) PBMC-Dex 数据集中 T2 时 COVID-19 患者促炎单核细胞炎症细胞因子的表达水平，按治疗组分类。

COVID-19感染中促炎单核细胞的免疫和代谢特征。

( A – B ) 热图显示了促炎性单核细胞与每种 COVID-19 严重程度内的所有其他单核细胞相比，普遍上调的基因本体 (GO) 通路 ( A ) 和京都基因和基因组百科全书 (KEGG) 通路 ( B )，分别针对 BALF 和 PBMC 数据集。所有提出的路径均在P <0.05 置信水平下达到统计显着性，这是使用 Seurat 实施的 Wilcoxon 秩和检验确定的。
( C – D ) 点图显示了在PBMC-Dex 内T1 ( C ) 和 T2 ( D )时，与非地塞米松治疗的 COVID-19 ARDS 中的所有其他单核细胞相比，促炎单核细胞中前 10 个特异性上调的 GO 通路数据集。
( E – F ) 点图显示与健康对照的促炎单核细胞相比，每种 COVID-19 严重程度的促炎单核细胞中普遍上调的 GO 通路 ( E ) 和 KEGG 通路 ( F )，分别针对 BALF 和 PBMC 数据集。色标代表调整后的P值。所有显示的路径均达到P <0.05 置信水平的统计显着性，这是使用 Seurat 实施的 Wilcoxon 秩和检验确定的。
( G ) 热图显示了 PBMC-Dex 数据集中的促炎单核细胞在 COVID-19 中上调并随后在地塞米松治疗后下调的代谢途径。热图色标表示使用 R 包 scMetabolism 和“AUCell”方法计算得出的 KEGG 分数。
( H ) 热图显示了 PBMC-Dex 数据集中的促炎单核细胞在 COVID-19 中下调并随后在地塞米松治疗后上调的代谢途径。热图色标表示使用 R 包 scMetabolism 和“AUCell”方法计算得出的 KEGG 分数。

PANoptosis 预测了住院 COVID-19 患者的 ICU 入住情况和结果。

( A ) 描述 GSE157103 的批量 RNA seq 数据分析的工作流程。使用 13 个 PANoptosis 基因（ZBP1、NLRP3、PYCARD、CASP1、CASP8、FADD、RIPK1、RIPK3、GSDMD、CASP3、CASP6、CASP7、MLKL）构建套索回归模型。进行K倍交叉验证（k = 5，次数 = 5）以评估模型的稳定性和普遍性。
( B ) 在对 GSE157103 的批量 RNA-seq 数据进行 5 倍交叉验证期间，包含在套索回归模型中的 PANoptosis 基因的平均套索回归系数。
( C ) 具有 13 个 PANoptosis 基因的 lasso 回归模型的交叉验证结果。该表显示了使用来自批量 RNA-seq 数据集 GSE157103 的 13 个 PANoptosis 基因构建的 lasso 回归模型的交叉验证结果。它包含三列：Fold、训练集的 AUC（曲线下面积）和测试集的 AUC。 “折叠”列列出了五个单独折叠的名称（折叠 1 到折叠 5），“平均值”行表示这些折叠的平均值。 “训练集的 AUC”列包含为每个折叠的训练集计算的平均 AUC 值，而“平均值”行显示总体平均训练 AUC 值。类似地，“测试集的 AUC”列包含为每个折叠的测试集计算的平均 AUC 值，“平均值”行提供总体平均测试 AUC 值。
( D ) 描述 GSE215865 的批量 RNA seq 数据分析的工作流程。使用 13 个 PANoptosis 基因（ZBP1、NLRP3、PYCARD、CASP1、CASP8、FADD、RIPK1、RIPK3、GSDMD、CASP3、CASP6、CASP7、MLKL）构建套索回归模型。进行K倍交叉验证（k = 5，次数 = 5）以评估模型的稳定性和普遍性。
( E ) 在对 GSE215865 的批量 RNA-seq 数据进行 5 倍交叉验证期间，包含在套索回归模型中的 PANoptosis 基因的平均套索回归系数。
（F) 具有 13 个 PANoptosis 基因的套索回归模型的交叉验证结果。该表显示了使用来自批量 RNA-seq 数据集 GSE215865 的 13 个 PANoptosis 基因构建的 lasso 回归模型的交叉验证结果。它包含三列：Fold、训练集的 AUC（曲线下面积）和测试集的 AUC。 “折叠”列列出了五个单独折叠的名称（折叠 1 到折叠 5），“平均值”行表示这些折叠的平均值。 “训练集的 AUC”列包含为每个折叠的训练集计算的平均 AUC 值，而“平均值”行显示总体平均训练 AUC 值。类似地，“测试集的 AUC”列包含为每个折叠的测试集计算的平均 AUC 值，“平均值”行提供总体平均测试 AUC 值。

PANoptosis 介导 COVID-19 发病机制的示意图。 PANoptosis 介导 COVID-19 中的细胞因子风暴和多器官损伤。与健康对照相比，在 COVID-19 中观察到 PANoptosis 水平升高，且 PANoptosis 的程度与疾病严重程度呈正相关。 PANoptosis 在中度 COVID-19 病例中达到顶峰，随后在重症患者中减少，这可能是由于疾病晚期的免疫衰竭所致。促炎性单核细胞成为 COVID-19 中全凋亡的主要部位之一，在感染期间从血流迁移到肺部以执行免疫防御功能。此外，皮质类固醇治疗被发现可以通过减轻全视下垂来减轻 COVID-19 中的过度炎症。

小结

主要数据及方法：

Types	Notes
分析数据	scRNA：GSE145926 (BALF) 、GSE157789 (PBMC-Dex) ；BulkRNA：GSE157103、GSE215865
分析方法	单细胞标准流程；Ucell基因集评分；GOKEGG富集；scMetabolism代谢分析；bulk的数据作LASSO回归建立分类评分模型