Biomarcadores podrían ayudar a predecir la COVID-19 severa y suministrar tratamientos dirigidos

En un estudio realizado por un equipo de investigación chino, se identificaron marcadores moleculares en la sangre que demostraron ser predictivos de resultados graves de COVID-19, la infección por el coronavirus, SARS-CoV-2.

Los resultados del estudio amplían la comprensión de la fisiopatología y el progreso clínico de la COVID-19 con el potencial de identificar temprano durante el curso de la infección, aquellos individuos que tienen mayor riesgo de desarrollar afecciones graves y requerir atención hospitalaria. Además de la neumonía y el síndrome séptico, una proporción menor de pacientes también desarrolló síntomas gastrointestinales y/o cardiovasculares graves, así como manifestaciones neurológicas después de la infección por SARS-COV-2. Esto es posible porque el receptor de la enzima convertidora de angiotensina 2 (ACE 2) utilizada por el SARS-COV-2 para la entrada en las células, se encuentra en otros órganos además de los pulmones, incluidos el corazón, el hígado, el riñón, el páncreas, el intestino delgado y también el SNC (Sistema Nervioso Central), especialmente en las células gliales no neuronales del cerebro.

El estudio adoptó un enfoque multiómico que integra datos de diferentes disciplinas de la ómica, incluidas tecnologías transcriptómicas, proteómicas y metabolómicas de vanguardia, para identificar alteraciones moleculares correlacionadas, significativas en pacientes con COVID-19, especialmente en casos graves. El trabajo evaluó datos de 83 individuos en tres grupos, 16 casos graves, 50 leves y 17 controles sanos sin el virus. Se recolectaron muestras seriadas de frotis de sangre y garganta de todos los participantes y, para determinar si la fisiopatología de COVID-19 estaba asociada con cambios moleculares particulares, se examinaron un total de 23.373 genes expresados, 9.439 proteínas, 327 metabolitos y 769 ARN extracelulares (exARN), que circulaban en la sangre. Los perfiles fueron significativamente diferentes entre los tres grupos.

Hubo diferencias significativas entre los casos leves y severos en varios marcadores inmunes como el interferón tipo 1 y las citoquinas inflamatorias, que estaban elevadas en los últimos, mientras que el primero mostró respuestas robustas de células T que presumiblemente ayudaron a detener la progresión de la enfermedad. Un hallazgo notable e inesperado fue la existencia de correlaciones significativas entre los datos multiómicos y los parámetros bioquímicos o sanguíneos de diagnóstico clásico. Esto se reflejó particularmente en el análisis proteómico donde hubo una regulación significativa a la baja en el ciclo del ácido tricarboxílico o ciclo de “Krebs” (TCA) y las vías glucolíticas utilizadas para liberar la energía almacenada en pacientes leves y graves, en comparación con los controles sanos. Por el contrario, las vías de defensa del huésped bien conocidas, como la vía de señalización del receptor de células T, se elevaron en pacientes con COVID-19.

Otro hallazgo potencialmente valioso para la aplicación clínica futura, fue la existencia de una asociación entre la carga viral y el pronóstico de la enfermedad en pacientes con COVID-19 grave. Desafortunadamente, seis de los pacientes con síntomas graves murieron y, al ingresar al hospital, habían registrado cargas de ARN del SARS-CoV-2 en la garganta significativamente más altas que los que sobrevivieron. Un hallazgo notable aquí fue que las proteínas que participan en los procesos antivirales, incluidas las vías de señalización del receptor de células T y células B, se asociaron positivamente con cambios en la carga viral en pacientes graves que sobrevivieron. Finalmente, se identificaron moléculas específicas como biomarcadores de los resultados posteriores de COVID-19 y se utilizaron para crear modelos de clasificación de pronóstico. Los modelos predictivos basados en cuatro tipos de datos funcionaron bien, especialmente aquellos que explotan las covariables clínicas y los datos proteómicos, lo que sugiere un posible marco para identificar a los pacientes con probabilidades de desarrollar síntomas graves de antemano para que los tratamientos puedan ser adaptados en consecuencia.

Enlace relacionado: