C反应蛋白、降钙素原和干扰素-α在COVID-19中的预后价值及其与PANoptosis的关联:中国广西的一项队列研究

Prognostic Value of C-Reactive Protein, Procalcitonin, and Interferon-Alpha in COVID-19 and Their Association with PANoptosis: A Cohort Study in Guangxi, China.

作者信息Li-Jun Ning, Mei-Qiong Liu, Zhong-Sheng Jiang, Xian-Qiu Wu, Xiao-Yuan Wang, Xue-Jun Qin, Tao Gan, Shi-Fu Tang, Guang-Yu Lv, Ying Wu
PMID41220404
发布时间2025-11-06
DOI10.2147/JIR.S530980

实验完整度

包含临床队列分析(97例患者和53例健康者)及体外细胞实验(流式、免疫荧光、Western blot),但缺乏动物模型、类器官等证据层级,功能验证仅限于细胞水平。

主要模型

COVID-19患者队列(97例,严重与非严重分组) 健康对照(53例) 外周血中性粒细胞、淋巴细胞和血小板 人外周血细胞(刺激模型)

重点核对

生物标志物检测:IL-6、IL-8、IL-10、IFN-α、PCT、CRP的检测方法及入组时采样时间(入院24小时内) 细胞刺激条件:CRP 5 µg/mL、PCT 0.65 µg/mL、IFN-α 160 ng/mL,刺激时间(LYMs和PLTs 8小时,NEUs 24小时) 细胞死亡检测:PI染色流式细胞术,重复三次,每次三重复 PANoptosis标志物检测:Western blot检测cleaved-caspase3、GSDMD、p-MLKL/MLKL,免疫荧光检测p-MLKL、GSDMD、cleaved-caspase3 临床分组标准:依据出院诊断分为非重症和重症,90天死亡率随访

摘要

目的:近年来研究了许多COVID-19严重程度的生物标志物,但它们在后COVID-19时代的相关性仍需进一步验证。本研究旨在通过全面的比较分析,在单一队列中识别可靠的生物标志物,并探讨其潜在的分子机制。材料与方法:在这项前瞻性、观察性队列研究中,我们全面评估了97名COVID-19肺炎患者和53名健康志愿者中的41项标志物。绘制受试者工作特征曲线和Kaplan-Meier曲线以确定有效生物标志物的预测价值。随后,采用流式细胞术、免疫荧光和Western blot分析评估所识别的生物标志物在外周血细胞中诱导的炎症性细胞死亡。结果:基于筛选,入院时血浆IL-6、IL-8、IL-10、IFN-α、PCT和CRP与疾病严重程度高度相关(P < 0.001)。CRP、PCT和IFN-α的两两组合可诱导中性粒细胞、淋巴细胞和血小板发生PANoptosis。结论:本研究进一步验证了IL-6、IL-8、IL-10、IFN-α、PCT和CRP在预测COVID-19严重程度中的价值,且优于新型生物标志物。我们的数据首次证实,CRP、PCT和/或IFN-α可触发淋巴细胞、中性粒细胞和血小板的PANoptosis,这可能促进COVID-19患者的严重进展。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在后COVID-19时代,哪些生物标志物能可靠预测COVID-19的严重程度,以及这些标志物是否通过诱导PANoptosis影响外周血细胞?
核心机制
CRP、PCT和IFN-α的两两组合可协同诱导外周血细胞发生PANoptosis,表现为caspase-3裂解(凋亡标志)、GSDMD裂解(焦亡标志)和MLKL磷酸化(坏死性凋亡标志)的同时发生,并伴随中性粒细胞释放NETs,可能在COVID-19严重进展中发挥作用。
主要证据
队列研究中对41项标志物的综合分析显示IL-6、IL-8、IL-10、IFN-α、PCT和CRP与疾病严重程度显著相关;体外实验中,CRP、PCT或IFN-α的两两组合显著诱导中性粒细胞、淋巴细胞和血小板的细胞死亡,并通过Western blot和免疫荧光证实了PANoptosis标志物的表达。
研究意义
该研究验证了传统炎症标志物在预测COVID-19严重程度中的价值,并首次证明CRP、PCT和IFN-α可触发外周血细胞PANoptosis,为理解COVID-19的分子机制和制定个性化治疗策略提供了新见解。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者招募与分组

收集COVID-19患者和健康对照的临床数据及血浆样本,根据严重程度分组。

纳入97例COVID-19患者(分为非重症37例和重症60例)和53例健康志愿者,记录基线资料、实验室指标,随访90天死亡率。

2

血浆标志物检测

全面评估多种生物标志物与COVID-19严重程度的关联。

通过CBA法检测IL-6、IL-8、IL-10,通过ELISA检测其他标志物,结合医院实验室指标,共评估41项标志物。

3

生物标志物预测价值分析

确定有效标志物的最佳临界值及其预测严重程度和死亡的能力。

通过ROC曲线确定AUC和Cut-off值,并利用Kaplan-Meier曲线分析不同标志物水平对90天生存率的影响。

4

外周血细胞分离与刺激

评估筛选出的生物标志物单独或组合对外周血细胞存活的影响。

从健康志愿者外周血中分离中性粒细胞、淋巴细胞和血小板,用标志物单独或组合刺激,检测细胞死亡比例。

5

PANoptosis验证

确认标志物诱导的细胞死亡是否为PANoptosis。

通过Western blot和免疫荧光检测凋亡、焦亡、坏死性凋亡的标志物表达,并检测中性粒细胞NETs释放。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
PercollGE Healthcare--
RPMI 1640培养基----
胎牛血清----
青霉素-链霉素----
人C反应蛋白Sigma-AldrichC4063
重组人降钙素原蛋白Abcamab92843
白细胞介素-6MCEHY-P7044
白细胞介素-8MCEHY-P722044
白细胞介素-10MCEHY-P7030
干扰素-αMCEHY-P7022
碘化丙啶----
p-MLKL抗体NOVUSBIO954724
GSDMD抗体InvitrogenPA5-119680
Cleaved-Caspase-3抗体CST9664S
DAPI染料----
BCA蛋白定量试剂盒Beyotime--
GAPDH抗体Proteintech60004-1
Cleaved-Caspase-3抗体CST9664S
GSDMD抗体InvitrogenPA5-119680
N-GSDMD抗体Abcamab215203
MLKL抗体Proteintech21066-1-AP
p-MLKL抗体NOVUSBIO954724
增强化学发光试剂盒Thermo Fisher Scientific--
凝胶成像系统Bio-Rad--
BD LSRFortessa流式细胞仪BD--
激光共聚焦显微镜Leica--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
患者队列纳入与分组
COVID-19诊断标准(阳性SARS-CoV-2检测)、年龄≥18岁、排除孕产妇;严重程度分类依据出院诊断(非重症/重症);样本量(97例患者,53例对照);随访90天死亡率
阅读提示:Materials and Methods: Study Populations; Results: Patient Characteristics and Table 1
血浆标志物检测
采血时间(入院24小时内)、离心条件(3000 rpm, 10 min, 4°C)、检测方法(CBA for IL-6/8/10; ELISA for IFN-α等)、试剂盒及货号(如IL-6 Flex Set 558276等)
阅读提示:Materials and Methods: Plasma Samples; Marker Levels Detection
生物标志物预测价值分析
ROC曲线分析确定AUC及最佳cut-off值(如IL-8 cut-off 9.980 pg/mL等)、Kaplan-Meier生存分析分组(低/高表达组)
阅读提示:Results: The Predictive Capacity...; Table 3; Figure 4
外周血细胞分离与刺激
健康志愿者来源、分离方法(Percoll用于中性粒细胞,淋巴细胞分离液用于淋巴细胞,血小板分离步骤)、细胞培养条件(RPMI 1640, 10% FBS, 1% P/S, 0.1 M HEPES)
阅读提示:Materials and Methods: Peripheral Blood Cells Isolation and Cultivation; Cells Treatment
细胞刺激与PANoptosis检测
刺激物浓度(CRP 5 µg/mL, PCT 0.65 µg/mL, IFN-α 160 ng/mL等)、刺激时间(8h或24h)、检测方法(PI染色流式细胞术,Western blot,免疫荧光)、重复次数(三次,三重复)
阅读提示:Materials and Methods: Cells Treatment; Flow Cytometry Analysis; Immunofluorescence Assay; Western-Blot