全血转录组可用来预测疾病个体的未来病程演变

主要内容

VeloCD的原理概述

RNA速率（RNA velocity）的计算基于‌剪接（spliced）‌和‌未剪接（unspliced）‌的mRNA转录本表达量。‌已剪接mRNA代表细胞当前的转录状态。‌未剪接mRNA代表新生mRNA，可预测‌未来‌的剪接mRNA表达变化。对于每个基因，根据其‌已剪接‌和‌未剪接‌mRNA的当前丰度，计算一个速度向量。这个向量指示了该基因表达量即将‌增加‌还是‌减少‌。将所有基因的速度向量‌求和‌，得到每个样本的整体RNA velocity值，代表了样本在转录组空间中即将移动的‌方向和幅度‌。再根据预先定义的参考组（比如感染组和未感染组），即可计算出测试样本‌未来转移到某个特定临床状态组的概率（TP）‌。

受控人体感染模型中，RNA velocity能预测未来转录组

作者选择了甲流和SARS-CoV-2受控人体感染模型对VeloCD进行初步的验证。甲流队列中，23名志愿者中有17人最终感染，在SARS-CoV-2队列中，26人中有17人感染。结果显示，在这两个队列中，在PCR测出阳性后的次日，阳性与阴性个体的转录组在PCA空间中出现明显分离。并且在day 2用RNA velocity预测未来剪接转录本表达与day 3真实剪接转录本表达的比较结果显示，预测和真实的结果高度相关，流感队列中的相关系数平均为0.96，SARS-CoV-2队列平均为0.94（图e和f）。不仅如此，day 3预测值甚至与day 7真实表达仍然高度相关。这说明，RNA velocity至少可预测数天后的转录状态。

人体感染中，RNA velocity能预测未来临床状态

在受控流感模型中，作者把感染个体样本作为参考组，把持续PCR阴性的样本作为另一个参考组。根据待预测组RNA velocity方向，计算朝感染组或未感染组迁移的概率（图a–b）。

在流感队列中，作者进一步通过差异表达、RNA velocity等筛选出一个预测基因组合BAK1、APOL3、SLC9A3-AS1。在接种后第1天用这3个基因预测未来PCR阳转时，最佳AUROC达到0.89（图c）。SARS-CoV-2队列中，作者筛选出一个 232基因签名，最佳AUROC为0.72（图d）。不仅如此，在自然感染中，RNA velocity轨迹也同样能反映病程变化。

VeloCD可成功预测TB-IRIS的发生

TB-IRIS是HIV-TB共感染患者在启动ART后出现的免疫重建炎症综合征，通常发生在ART（抗逆转录病毒治疗）开始后的早期，临床上难以预测。

作者分析了一个临床试验95名HIV-TB患者。在这个数据集中，作者首先识别出 5108个DEGs，再经过DISCO等流程筛选出1980个基因用于预测。结果显示，在8名采样后才发病的测试者中，有7人（87.5%）被VeloCD正确预测会走向TB-IRIS（图d–e）。作者重新筛选出一个56基因签名，得到AUROC 0.72。这说明VeloCD也可以用于复杂免疫炎症事件的提前识别。 

IBD（炎症性肠病）第2周血样的VeloCD成功预测了第14周是否缓解

作者分析了一个公开的IBD数据集，共13名患者首次接受infliximab治疗，终点是14周时是否达到缓解。作者尝试用第2周血样的VeloCD预测第14周是否缓解。作者筛到18个基因用于VeloCD预测。这18基因签名在第2周预测第14周缓解状态时，AUROC达到0.83。这说明，RNA velocity可能有机会成为早期疗效预判工具。

VeloCD预测发热儿童会好转还是走向更高医疗需求

欧洲多国前瞻性队列PERFORM纳入了399名因疑似感染就诊的儿童，疾病从轻症到重症不等。作者尝试使用首个血样的VeloCD来预测发热患儿是即将好转，还是走向更高医疗需求。从整体PCA看，轻症和重症在全转录组空间中已有一定分离，但中度患儿位于两者之间且重叠明显。作者最终筛选出一个59基因签名，轻症和重症形成明显分叉轨迹，而许多轻症患儿的RNA velocity直接指向健康对照，提示其正朝恢复轨道移动，而中度患儿则分布更分散，显示出高度异质性（图d）。

轻症孩子TP几乎都非常低，其中 95% 的轻症患儿TP低于0.25。重症患儿，中位TP是 1.0，其中85.7%的人TP高于0.75。这说明在极端轻症与极端重症之间，VeloCD给出的概率是高度分离的。而中度病毒感染患儿的TP总体更靠近0，而中度细菌感染患儿TP整体更高。高TP中度患儿不仅更容易后续升级护理，而且其基线CRP更高、住院时间更长、需要外科干预的概率更高。

总结与讨论

这篇文章使用RNA velocity设计了一个潜在的临床病程预测框架。作者提出的VeloCD证明了，只使用一个时间点的全血bulk RNA-seq数据，结合spliced/unspliced信息和合适的参考状态，就有机会对个体未来的转录组状态和临床状态做出预测。在流感和SARS-CoV-2受控感染模型和自然感染中，RNA velocity轨迹均能预测未来PCR阳转状态。在TB-IRIS和IBD中，在给药早期即可预测后续病程变化。在发热儿童真实世界临床场景中，RNA velocity能提示患儿即将恢复或是可能恶化。

但这项研究距离真正临床应用还有明显距离。首先，不同场景下使用的基因签名差异很大，不是一个通用检测。其次，许多验证队列样本量仍然有限，稳健性仍需更大队列支持。这项方法依赖RNA-seq层面的spliced/unspliced定量，有明显技术转化门槛。RNA velocity本身也受到细胞组成变化、测序质量和前分析偏倚影响，这些问题未来都需要系统标准化。总之，本研究指出转录组可能包含疾病未来走向的信息，可用来预测的病程轨迹，有潜在的预后价值。