Infection with SARS-CoV-2 presents with a highly variable clinical picture, ranging from asymptomatic cases over flu-like symptoms to severe organ damage, respiratory failure, and death. Higher age and different preexisting medical conditions are risk factors for severe disease, but early clinical risk stratification posed a special challenge due to the high variability in clinical presentation. Thus, it was crucial to quickly identify the pathophysiology of COVID-19 and enable accurate classification of disease severity and outcome prognosis.
Tandem mass spectrometry (MS/MS)-based plasma proteomics allows for a comprehensive characterization of the host response to a pathogen, enabling inference about the underlying pathophysiology. Within the Pa-COVID-19 study, we analyzed a total of 881 plasma proteomes from 280 patients, complemented by extensive data on demographics, disease severity, and 85 routine laboratory parameters.
We collected unbiased plasma proteomes from 139 patients at 687 longitudinal sampling timepoints and quantified a total of 321 protein groups, 189 of which were present in >99% of samples. We identified various correlations between acute-phase proteins and clinical laboratory markers of inflammation and organ damage (e.g., creatinine or NT-proBNP). 113 proteins and 55 routine laboratory markers correlated with disease severity. Several proteins, mainly indicating inflammation and coagulation, were differentially expressed depending on age, offering insight into the age-dependent pathogenesis of severe COVID-19.
Next, we examined the prognostic potential of plasma proteomics using different machine learning models. Based on proteomic and clinical measurements, we accurately predicted current disease severity. For critically ill patients, we were able to predict their survival or death based on a single measurement at an early timepoint, with a median of 39 days before the outcome (AUROC = 0.81). Validation of the model on a completely independent cohort yielded almost perfect classification (AUROC = 1.0).
To translate these results to the clinical routine, we identified 50 relevant peptides and developed a multiple reaction monitoring (MRM)-based peptide panel assay, which we validated in two additional cohorts of 30 (citrate plasma) and 164 (EDTA plasma) patients, and which can be applied in routine laboratories.
In summary, applying MS-based proteomics we successfully identified relevant pathophysiological mechanisms of COVID-19, allowing for accurate disease severity classification and outcome prognosis. These results should now be validated in larger cohorts, simultaneously we are expanding the peptide panel assay for use in other infectious diseases including mpox, bacterial pneumonia, and malaria.
Die Infektion mit SARS-CoV-2 weist ein hochvariables Krankheitsbild auf, von asymptomatischen Verläufen über Symptome eines grippalen Infekts bis hin zu respiratorischem Versagen und Tod. Höheres Alter und bestimmte Vorerkrankungen sind Risikofaktoren für schwere Krankheitsverläufe, dennoch stellte die (frühe) klinische Risikostratifizierung angesichts des variablen Krankheitsbildes eine besondere Herausforderung dar. Daher galt es, schnellstmöglich die Pathophysiologie von COVID-19 zu entschlüsseln und eine akkurate Klassifikation der Krankheitsschwere sowie Outcome-Prognose zu ermöglichen. Die Tandem-Massenspektrometrie (MS/MS)-basierte Plasma-Proteomik ermöglicht die umfassende Charakterisierung der Wirtsantwort auf einen Erreger und erlaubt Rückschlüsse auf die zugrundeliegende Pathophysiologie. Im Rahmen der Pa-COVID-19-Studie analysierten wir insgesamt 881 Plasma-Proteome von 280 Pati-ent:innen, ergänzt um umfangreiche Daten zu Demografie, Krankheitsschwere sowie 85 Routinelaborparameter.
Wir erfassten von 139 Patient:innen zu 687 longitudinalen Messzeitpunkten die ungerichteten Plasma-Proteome und quantifizierten 321 Proteingruppen, davon 189 in >99 % der Proben. Wir identifizierten vielfältige Korrelationen von proteomischen Akutphaseproteinen mit klinischen Laborparametern von Inflammation und Endorganschädigung (bspw. Kreatinin oder NT-proBNP). 113 Proteine und 55 Routinelaborparameter korrelierten mit der Krankheitsschwere. 20 Proteine, überwiegend Marker von Inflammation und Blutgerinnung, waren altersabhängig dysreguliert und bieten Einblick in die altersspezifischen Pathogenese von COVID-19.
Als nächstes untersuchten wir das prognostische Potenzial der Plasma-Proteomik mittels verschiedener Machine Learning-Modelle. Basierend auf proteomischen und klinischen Messungen, konnten wir akkurat die aktuelle Krankheitsschwere prädizieren. Bei kritisch kranken Patient:innen gelang es uns, anhand eines einzelnen frühen Messzeitpunktes deren Überleben bzw. Versterben zu prognostizieren, im Median 39 Tage vor dem Outcome (AUROC = 0,81); die Validierung des Modells an einer komplett unabhängigen Kohorte ergab eine fast perfekte Klassifikation (AUROC = 1,0). Um einen klinischen Nutzen aus diesen Ergebnissen zu ziehen, identifizierten wir 50 relevante Peptide und entwickelten einen Multiple Reaction Monitoring (MRM)-basierten Peptid-Panelassay, den wir an zwei weiteren Kohorten, mit 30 (Citrat-Plasma) bzw. 164 (EDTA-Plasma) Patient:innen, validierten und der zur Anwendung in Routinelaboren geeignet ist.
Es gelang uns somit, mittels MS-basierter Proteomik relevante pathophysiologische Grundlagen von COVID-19 zu identifizieren und eine akkurate Klassifikation und Prognose von Patient:innen vorzunehmen. Die Ergebnisse der Studie sollten nun an größeren Kohorten untersucht werden, parallel erweitern wir das Peptid-Panelassay zur Anwendung auf andere Infektionserkrankungen wie Mpox, bakterielle Pneumonie und Malaria.
