一个罗纵向研究表明，急性SARS-CoV-2感染期间不同的肠道微生物组谱可以预测长期COVID风险，为症状集群和潜在的生物标志物提供见解。
*重要提示：bioRxiv发布的初步科学报告未经同行评议，因此不应被视为结论性的、指导临床实践/健康相关行为的报告，也不应被视为已确定的信息。
在最近发表在bioRxiv*上的一项预印本研究中，一组研究人员研究了急性严重急性呼吸综合征冠状病毒2 （SARS-CoV-2）感染期间肠道微生物组组成在长冠状病毒病（Long COVID） （LC）发展中的预测作用及其与临床变量和症状聚集的关系。
LC影响了10-30%的非住院SARS-CoV-2感染者，导致美国的严重发病率、劳动力损失和3.7万亿美元的经济影响。
症状包括心血管、胃肠道、认知和神经系统问题，类似于肌痛性脑脊髓炎和其他感染后综合征。提出的机制包括免疫失调、神经炎症、病毒持续存在和凝血异常，新出现的证据表明肠道微生物群参与了LC的发病机制。
目前的研究主要集中在住院患者，限制了对较轻病例的推广。需要进一步的研究来探索门诊人群中微生物组驱动的预测因子，为LC的异质性和复杂表现提供有针对性的诊断和治疗。
这项研究得到了梅奥诊所机构审查委员会的批准，招募了18岁及以上的成年人，他们于2020年10月至2021年9月在明尼苏达州、佛罗里达州和亚利桑那州的梅奥诊所接受了SARS-CoV-2检测。参与者是通过SARS-CoV-2检测时间表过滤的电子健康记录（EHR）审查确定的。
通过电子邮件联系符合条件的个人，并获得知情同意。在最初招募的1061名参与者中，有242人因数据不完整、测序失败或其他问题而被排除在外。最终队列包括799名参与者（380名sars - cov -2阳性，419名sars - cov -2阴性），提供947份粪便样本。
在测试后0-2周和3-5周两个时间点采集粪便样本。样品用冷冻凝胶包装通过隔夜快递运输，并储存在- 80°C，用于下游分析。采用Qiagen试剂盒提取微生物脱氧核糖核酸（DNA），对每个样本进行800万reads的宏基因组测序。
使用Kraken2进行分类分析，使用Human Microbiome Project Unified metabolic Analysis Network （HUMAnN3）进行功能分析。
采用酶联免疫吸附试验（ELISA）检测粪便钙保护蛋白水平，采用逆转录-定量聚合酶链反应（RT-qPCR）检测SARS-CoV-2核糖核酸（RNA）水平。
从电子病历中提取临床数据，包括人口统计学、合并症、药物治疗和症状持续时间。
结合微生物组和临床数据的机器学习模型被用来预测LC并识别症状群，为疾病的异质性提供了有价值的见解。
该研究分析了从799名参与者收集的947份粪便样本，其中包括380名sars - cov -2阳性个体和419名阴性对照。在sars - cov -2阳性组中，80名患者在一年的随访期间出现了LC。
参与者被分为三组进行分析：LC、非LC （sars - cov -2阳性但不含LC）和sars - cov -2阴性。基线特征显示各组之间存在显著差异。LC参与者主要是女性，与非LC参与者相比，有更多的基线合并症。
sars - cov -2阴性组年龄较大，抗生素使用率和疫苗接种率较高。这些变量在随后的分析中进行了调整。
急性感染期间，各组间肠道菌群多样性差异显著。sars - cov -2阳性受试者（LC和非LC）的α多样性低于sars - cov -2阴性受试者。
β多样性分析揭示了不同组之间的微生物组成，LC患者在急性感染期间表现出独特的微生物组特征。
LC患者中含有Faecalimonas和Blautia等特定细菌类群，而非LC和阴性参与者中则以其他类群为主。这些发现表明急性感染期间肠道微生物组组成是LC的潜在预测因子。
急性期和急性期后肠道微生物组变化的时间分析显示了显著的个体差异，但没有队列水平的差异，这表明时间变化对LC的发展没有贡献。
然而，机器学习模型表明，急性感染期间的微生物组数据与临床变量相结合，可以高精度地预测LC。微生物预测因子，包括毛螺科的物种，显著影响模型的性能。
症状分析显示LC包含不同的临床表现。疲劳是最常见的症状，其次是呼吸困难和咳嗽。
聚类分析确定了基于症状共发生的四种LC亚表型：胃肠道和感觉，肌肉骨骼和神经精神，心肺和疲劳。
每个集群都表现出独特的微生物关联，胃肠道和感觉集群显示出最明显的微生物变化。值得注意的是，毛缕草科和丹毒草科的分类群在该集群中显著丰富。
总之，本研究表明，后来发展为LC的sars - cov -2阳性个体在急性感染期间表现出不同的肠道微生物群特征。虽然之前的研究将肠道微生物组与COVID-19的结果联系起来，但很少有研究探索其对LC的预测潜力，特别是在门诊队列中。
该研究使用机器学习模型，包括人工神经网络和逻辑回归，发现微生物组数据单独预测LC比临床变量（如疾病严重程度、性别和疫苗接种状况）更准确。
主要的微生物贡献包括毛螺杆菌科的物种，如真杆菌和无水杆菌，以及普雷沃氏菌。这些发现突出了肠道微生物组作为识别LC风险的诊断工具的潜力，使个性化干预成为可能。
*重要提示：bioRxiv发布的初步科学报告未经同行评议，因此不应被视为结论性的、指导临床实践/健康相关行为的报告，也不应被视为已确定的信息。
