蛋白质组自身抗体筛选和整体自身抗基因组分析揭示了COVID-19自身抗体景观的特征。

本研究提出了“自身抗体综合数据库（UT-ABCD）”，这是284个人类个体自身抗体谱的综合目录。研究对象包括诊断为2019冠状病毒病（COVID-19, n = 73）、系统性硬化症（SSc, n = 32）、系统性红斑狼疮（SLE, n = 60）、抗中性粒细胞细胞质抗体相关血管炎（AAV, n = 29）、特应性皮炎（AD, n = 26）以及健康对照（HC, n = 64）的患者。我们的研究采用蛋白质组自身抗体筛选（pwab），利用13352种自身抗原显示在湿蛋白阵列（wpa）上。我们的wpa展示了利用小麦无生殖细胞系统体外合成的人类蛋白质，保持在水合状态。我们的研究结果表明，与hc相比，COVID-19、SSc、SLE、AAV和AD中IgG自身抗体的数量显著增加，而COVID-19、SSc和SLE中IgG自身抗体水平的总和显著更高。利用机器学习，我们基于自身抗体谱对COVID-19病例进行了高精度的区分，特别是鉴定出针对BCORP1和KAT2A编码的蛋白质的抗体对COVID-19具有高度特异性（特异性分别为87%和97%）。我们的研究强调了pwab和自身抗基因组学在探索COVID-19和其他疾病免疫反应中的有效性。虽然没有进行外部验证和功能分析，但鉴定出的反应性代表了与COVID-19相关的血清学生物标志物和免疫特征，并为未来发现生物标志物提供了全面的资源。