机器学习、全基因组测序和孟德尔随机化研究均支持C反应蛋白（CRP）在影响COVID-19病情严重程度方面所起的作用

《Molecular Medicine》：Machine learning, whole genome sequencing, and Mendelian randomization support a role of CRP on COVID-19 severity

摘要

背景

2019冠状病毒病（COVID-19）的临床表现从无症状到重症甚至死亡不等，这在很大程度上取决于宿主因素，包括遗传因素。我们研究了200名COVID-19患者的临床和遗传数据，以寻找可能导致疾病加重的因素。

方法

患者被分为未住院的轻度/症状轻微患者和住院的重症患者。我们对血液生物标志物应用了可解释的机器学习方法，并进行了全基因组关联分析以研究COVID-19的严重程度。最后，通过孟德尔随机化方法探讨了慢性低度炎症对COVID-19严重程度的可能因果作用。

结果

机器学习分析显示，在SARS-CoV-2感染过程中测量的C反应蛋白（iCRP）在预测疾病严重程度方面具有较高的预测作用。这一发现也得到了与已知影响普通人群CRP水平的基因变异相关的证据的支持（pCRP）。此外，利用两项公开的COVID-19全基因组关联研究的汇总统计数据，通过孟德尔随机化方法证明了慢性低度炎症对COVID-19严重程度的可能因果作用。

结论

与先前的研究结果一致，我们的样本中也发现了CRP水平对COVID-19严重程度的预测作用。此外，孟德尔随机化进一步支持了遗传预测的慢性CRP水平在疾病发生中的因果作用。