Published April 20, 2022 | Version v1
Publication Open

Identifying Immunological and Clinical Predictors of COVID-19 Severity and Sequelae by Mathematical Modeling

Creators

  • 1. University of Sharjah
  • 2. Dubai Health Authority
  • 3. Rashid Hospital
  • 4. Ministry of Interior
  • 5. Khalifa University of Science and Technology
  • 6. Alexandria University
  • 7. Nile University
  • 8. University College London
  • 9. McGill University Health Centre
  • 10. Cairo University

Description

Since its emergence as a pandemic in March 2020, coronavirus disease (COVID-19) outcome has been explored via several predictive models, using specific clinical or biochemical parameters. In the current study, we developed an integrative non-linear predictive model of COVID-19 outcome, using clinical, biochemical, immunological, and radiological data of patients with different disease severities. Initially, the immunological signature of the disease was investigated through transcriptomics analysis of nasopharyngeal swab samples of patients with different COVID-19 severity versus control subjects (exploratory cohort, n=61), identifying significant differential expression of several cytokines. Accordingly, 24 cytokines were validated using a multiplex assay in the serum of COVID-19 patients and control subjects (validation cohort, n=77). Predictors of severity were Interleukin (IL)-10, Programmed Death-Ligand-1 (PDL-1), Tumor necrosis factors-α, absolute neutrophil count, C-reactive protein, lactate dehydrogenase, blood urea nitrogen, and ferritin; with high predictive efficacy (AUC=0.93 and 0.98 using ROC analysis of the predictive capacity of cytokines and biochemical markers, respectively). Increased IL-6 and granzyme B were found to predict liver injury in COVID-19 patients, whereas interferon-gamma (IFN-γ), IL-1 receptor-a (IL-1Ra) and PD-L1 were predictors of remarkable radiological findings. The model revealed consistent elevation of IL-15 and IL-10 in severe cases. Combining basic biochemical and radiological investigations with a limited number of curated cytokines will likely attain accurate predictive value in COVID-19. The model-derived cytokines highlight critical pathways in the pathophysiology of the COVID-19 with insight towards potential therapeutic targets. Our modeling methodology can be implemented using new datasets to identify key players and predict outcomes in new variants of COVID-19.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

منذ ظهوره كوباء في مارس 2020، تم استكشاف نتائج مرض فيروس كورونا (COVID -19) عبر العديد من النماذج التنبؤية، باستخدام معايير سريرية أو كيميائية حيوية محددة. في الدراسة الحالية، قمنا بتطوير نموذج تنبؤي غير خطي متكامل لنتائج COVID -19، باستخدام البيانات السريرية والكيميائية الحيوية والمناعية والإشعاعية للمرضى الذين يعانون من شدة المرض المختلفة. في البداية، تم التحقيق في التوقيع المناعي للمرض من خلال تحليل ترانسكريبتوميكس لعينات مسحة البلعوم الأنفي للمرضى الذين يعانون من شدة كوفيد-19 مختلفة مقابل السيطرة (الفوج الاستكشافي، العدد=61)، وتحديد التعبير التفاضلي الكبير للعديد من السيتوكينات. وفقًا لذلك، تم التحقق من صحة 24 سيتوكينًا باستخدام اختبار متعدد في مصل مرضى كوفيد-19 والأشخاص الخاضعين للمراقبة (مجموعة التحقق، العدد=77). كانت تنبؤات الشدة هي الإنترلوكين (IL)-10، والموت المبرمج - Ligand -1 (PDL -1)، وعوامل نخر الورم - ألفا، وعدد العدلات المطلق، والبروتين التفاعلي C، ونازعة هيدروجين اللاكتات، ونيتروجين اليوريا في الدم، والفيريتين ؛ مع فعالية تنبؤية عالية (المنطقة تحت المنحنى=0.93 و 0.98 باستخدام تحليل ROC للقدرة التنبؤية للسيتوكينات والعلامات الكيميائية الحيوية، على التوالي). تم العثور على زيادة IL -6 و granzyme B للتنبؤ بإصابة الكبد في مرضى COVID -19، في حين أن الإنترفيرون جاما (IFN - γ) ومستقبل IL -1 - a (IL -1Ra) و PD - L1 كانت تنبؤات بالنتائج الإشعاعية الرائعة. كشف النموذج عن ارتفاع ثابت لـ IL -15 و IL -10 في الحالات الشديدة. من المرجح أن يحقق الجمع بين الفحوصات البيوكيميائية والإشعاعية الأساسية وعدد محدود من السيتوكينات المنسقة قيمة تنبؤية دقيقة في COVID -19. تسلط السيتوكينات المشتقة من النموذج الضوء على المسارات الحرجة في الفيزيولوجيا المرضية لـ COVID -19 مع نظرة ثاقبة على الأهداف العلاجية المحتملة. يمكن تنفيذ منهجية النمذجة الخاصة بنا باستخدام مجموعات بيانات جديدة لتحديد الجهات الفاعلة الرئيسية والتنبؤ بالنتائج في المتغيرات الجديدة لـ COVID -19.

Translated Description (French)

Depuis son émergence en tant que pandémie en mars 2020, l'issue de la maladie à coronavirus (COVID-19) a été explorée via plusieurs modèles prédictifs, en utilisant des paramètres cliniques ou biochimiques spécifiques. Dans la présente étude, nous avons développé un modèle prédictif non linéaire intégratif des résultats de la COVID-19, en utilisant des données cliniques, biochimiques, immunologiques et radiologiques de patients présentant différentes sévérités de la maladie. Dans un premier temps, la signature immunologique de la maladie a été étudiée par analyse transcriptomique d'échantillons d'écouvillonnage nasopharyngé de patients de gravité COVID-19 différente par rapport aux sujets témoins (cohorte exploratoire, n=61), identifiant une expression différentielle significative de plusieurs cytokines. En conséquence, 24 cytokines ont été validées à l'aide d'un test multiplex dans le sérum de patients COVID-19 et de sujets témoins (cohorte de validation, n=77). Les prédicteurs de la gravité étaient l'interleukine (IL)-10, la mort programmée-Ligand-1 (PDL-1), les facteurs de nécrose tumorale-α, le nombre absolu de neutrophiles, la protéine C-réactive, la lactate déshydrogénase, l'azote uréique sanguin et la ferritine ; avec une efficacité prédictive élevée (ASC=0,93 et 0,98 en utilisant l'analyse roc de la capacité prédictive des cytokines et des marqueurs biochimiques, respectivement). Une augmentation de l'IL-6 et du granzyme B a été trouvée pour prédire les lésions hépatiques chez les patients COVID-19, tandis que l'interféron gamma (IFN-γ), le récepteur de l'IL-1-a (IL-1Ra) et PD-L1 étaient des prédicteurs de résultats radiologiques remarquables. Le modèle a révélé une élévation constante de l'IL-15 et de l'IL-10 dans les cas graves. La combinaison d'études biochimiques et radiologiques de base avec un nombre limité de cytokines sélectionnées atteindra probablement une valeur prédictive précise dans le COVID-19. Les cytokines dérivées du modèle mettent en évidence les voies critiques dans la physiopathologie de la COVID-19 avec un aperçu des cibles thérapeutiques potentielles. Notre méthodologie de modélisation peut être mise en œuvre à l'aide de nouveaux ensembles de données pour identifier les acteurs clés et prédire les résultats dans les nouvelles variantes de la COVID-19.

Translated Description (Spanish)

Desde su aparición como pandemia en marzo de 2020, el resultado de la enfermedad por coronavirus (COVID-19) se ha explorado a través de varios modelos predictivos, utilizando parámetros clínicos o bioquímicos específicos. En el estudio actual, desarrollamos un modelo predictivo no lineal integrador del resultado de COVID-19, utilizando datos clínicos, bioquímicos, inmunológicos y radiológicos de pacientes con diferentes gravedades de la enfermedad. Inicialmente, se investigó la firma inmunológica de la enfermedad a través del análisis transcriptómico de muestras de hisopos nasofaríngeos de pacientes con diferente gravedad de COVID-19 frente a sujetos control (cohorte exploratoria, n=61), identificando una expresión diferencial significativa de varias citocinas. En consecuencia, se validaron 24 citocinas utilizando un ensayo múltiplex en el suero de pacientes con COVID-19 y sujetos de control (cohorte de validación, n=77). Los predictores de gravedad fueron interleucina (IL)-10, ligando de muerte programada-1 (PDL-1), factores de necrosis tumoral-α, recuento absoluto de neutrófilos, proteína C reactiva, lactato deshidrogenasa, nitrógeno ureico en sangre y ferritina; con alta eficacia predictiva (AUC=0,93 y 0,98 utilizando análisis Roc de la capacidad predictiva de citocinas y marcadores bioquímicos, respectivamente). Se encontró que el aumento de IL-6 y la granzima B predecían la lesión hepática en pacientes con COVID-19, mientras que el interferón gamma (IFN-γ), el receptor a de IL-1 (IL-1Ra) y PD-L1 eran predictores de hallazgos radiológicos notables. El modelo reveló una elevación constante de IL-15 e IL-10 en casos graves. La combinación de investigaciones bioquímicas y radiológicas básicas con un número limitado de citocinas seleccionadas probablemente alcanzará un valor predictivo preciso en COVID-19. Las citocinas derivadas del modelo destacan las vías críticas en la fisiopatología de la COVID-19 con una visión hacia posibles dianas terapéuticas. Nuestra metodología de modelado se puede implementar utilizando nuevos conjuntos de datos para identificar a los actores clave y predecir los resultados en las nuevas variantes de COVID-19.

Files

pdf.pdf

Files (4.8 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:27238b6468efba64a54da927b2049347
4.8 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تحديد التنبؤات المناعية والسريرية لشدة كوفيد-19 وعواقبه من خلال النمذجة الرياضية
Translated title (French)
Identification des prédicteurs immunologiques et cliniques de la gravité et des séquelles de la COVID-19 par modélisation mathématique
Translated title (Spanish)
Identificación de predictores inmunológicos y clínicos de la gravedad y las secuelas de COVID-19 mediante modelos matemáticos

Identifiers

Other
https://openalex.org/W4224243238
DOI
10.3389/fimmu.2022.865845

Is supplement to
https://openalex.org/W4379052364 (Other)
https://openalex.org/W3039146159 (Other)
https://openalex.org/W2944714515 (Other)
https://openalex.org/W2571013527 (Other)
https://openalex.org/W2416795054 (Other)
https://openalex.org/W2392126385 (Other)
https://openalex.org/W2015667478 (Other)
https://openalex.org/W2011724047 (Other)
https://openalex.org/W1992848314 (Other)
https://openalex.org/W1955721074 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1867422291
  • https://openalex.org/W1966304765
  • https://openalex.org/W1975948359
  • https://openalex.org/W1993160730
  • https://openalex.org/W1994044627
  • https://openalex.org/W2012868337
  • https://openalex.org/W2036455715
  • https://openalex.org/W2039275997
  • https://openalex.org/W2063125123
  • https://openalex.org/W2067572945
  • https://openalex.org/W2081278295
  • https://openalex.org/W2094650342
  • https://openalex.org/W2102434872
  • https://openalex.org/W2110065044
  • https://openalex.org/W2123197974
  • https://openalex.org/W2131528521
  • https://openalex.org/W2140353888
  • https://openalex.org/W2142090875
  • https://openalex.org/W2158567115
  • https://openalex.org/W2305240766
  • https://openalex.org/W2307495662
  • https://openalex.org/W2514210391
  • https://openalex.org/W2770877241
  • https://openalex.org/W2804054815
  • https://openalex.org/W2938774134
  • https://openalex.org/W2942968627
  • https://openalex.org/W2980382240
  • https://openalex.org/W3001118548
  • https://openalex.org/W3002108456
  • https://openalex.org/W3006345366
  • https://openalex.org/W3007359996
  • https://openalex.org/W3012421327
  • https://openalex.org/W3012721127
  • https://openalex.org/W3015228903
  • https://openalex.org/W3021634238
  • https://openalex.org/W3023991776
  • https://openalex.org/W3029291339
  • https://openalex.org/W3032543466
  • https://openalex.org/W3034095150
  • https://openalex.org/W3035780856
  • https://openalex.org/W3043049174
  • https://openalex.org/W3043831218
  • https://openalex.org/W3080376427
  • https://openalex.org/W3080427029
  • https://openalex.org/W3080981445
  • https://openalex.org/W3083863843
  • https://openalex.org/W3085365057
  • https://openalex.org/W3087674230
  • https://openalex.org/W3091654554
  • https://openalex.org/W3095032780
  • https://openalex.org/W3097821519
  • https://openalex.org/W3108714922
  • https://openalex.org/W3112902030
  • https://openalex.org/W3113042952
  • https://openalex.org/W3123544697
  • https://openalex.org/W3127019801
  • https://openalex.org/W3131403201
  • https://openalex.org/W3131961198
  • https://openalex.org/W3135092238
  • https://openalex.org/W3137226412
  • https://openalex.org/W3160641751
  • https://openalex.org/W3163367789
  • https://openalex.org/W3164177565
  • https://openalex.org/W3173715707
  • https://openalex.org/W3175290159
  • https://openalex.org/W3175958754
  • https://openalex.org/W3179152893
  • https://openalex.org/W3182675350
  • https://openalex.org/W3182774911
  • https://openalex.org/W3185213122
  • https://openalex.org/W3192551599
  • https://openalex.org/W3195596939
  • https://openalex.org/W3200209830
  • https://openalex.org/W4206911355
  • https://openalex.org/W4237939525