Simple Science

Scienza all'avanguardia spiegata semplicemente

# Scienze della salute# Medicina genetica e genomica

Long COVID: Una sfida sanitaria sempre più grande

Molte persone continuano a soffrire di sintomi da long COVID anche dopo essersi riprese.

― 7 leggere min


La lotta nascosta delLa lotta nascosta delLong COVIDdel long COVID.Svelare la genetica dietro ai sintomi
Indice

La condizione post COVID-19, spesso chiamata Long COVID, è un problema serio di salute che colpisce molte persone che si sono riprese dal COVID-19. Può causare una varietà di Sintomi persistenti che durano mesi o addirittura anni dopo l'infezione iniziale. L'Organizzazione Mondiale della Sanità stima che circa il 20% delle persone che hanno avuto COVID-19 continuino a sperimentare questi sintomi.

Studi recenti mostrano che ancora più persone potrebbero affrontare sintomi a lungo termine, con stime che suggeriscono che più di 100 milioni di persone in tutto il mondo stanno affrontando questa condizione. Anche se molti pazienti vedono migliorare i loro sintomi col tempo, alcuni continuano a lottare con problemi come affaticamento estremo e battito cardiaco veloce anche molto dopo la loro guarigione. Gli effetti esatti a lungo termine della long COVID rimangono poco chiari, ma ci sono indicazioni che potrebbe aumentare il rischio di problemi cardiaci.

Sintomi Comuni della Long COVID

Le persone con long COVID segnalano una vasta gamma di sintomi. I più comuni includono:

  • Affaticamento Estremo: Molti si sentono sopraffatti da una stanchezza che non migliora con il riposo.
  • Problemi Cognitivi: Problemi di concentrazione e memoria vengono spesso menzionati.
  • Cambiamenti di Umore: Alcuni vivono cambiamenti di umore, tra cui depressione e ansia.
  • Problemi Respiratori: Possono verificarsi anche problemi persistenti di respirazione.

Diagnosticare la long COVID può essere difficile a causa della diversità di questi sintomi e dei loro effetti su vari sistemi del corpo. I ricercatori stanno lavorando per creare linee guida più chiare per diagnosticare questa condizione basandosi sulla segnalazione dei sintomi.

Ricerca Genetica sulla Long COVID

Sono stati condotti studi per esplorare i fattori genetici che possono aumentare il rischio di sviluppare la long COVID. Finora, solo uno studio Genetico principale ha identificato un'area di rischio specifica collegata a un gene chiamato FOXP4. Tuttavia, altri studi con metodi diversi hanno avuto maggior successo nella comprensione dei rischi genetici legati a COVID-19 Severo e condizioni come la Miastenia Gravis/Sindrome da Fatica Cronica (ME/CFS).

Questi metodi alternativi esaminano come diverse caratteristiche genetiche lavorano insieme. Invece di concentrarsi su singole variazioni genetiche, considerano combinazioni di cambiamenti che potrebbero contribuire alla malattia. Questo approccio è particolarmente importante per malattie complesse che coinvolgono più fattori.

Panoramica dello Studio

In questa ricerca, gli scienziati miravano a identificare combinazioni genetiche specifiche associate alla long COVID e a capire le ragioni biologiche dietro di esse. Si sono concentrati su due gruppi di pazienti con long COVID: quelli che hanno sperimentato sintomi severi e quelli il cui problema principale era l'affaticamento. Confrontando questi gruppi, i ricercatori speravano di identificare schemi genetici e biologici condivisi.

Inoltre, la ricerca ha confrontato i risultati dei pazienti con long COVID con dati di individui con ME/CFS per vedere se ci fossero somiglianze nei sintomi e nei fattori genetici coinvolti.

Raccolta Dati

I dati utilizzati per questo studio provengono da un progetto di ricerca completo chiamato Sano Genetics Long COVID GOLD study. Quasi 2.000 persone hanno partecipato, fornendo campioni di saliva per test genetici e compilando questionari sulle loro esperienze con COVID-19 e sintomi di long COVID.

Valutazione della Gravità della Long COVID

Per valutare la gravità dei sintomi di long COVID riportati dai partecipanti, i ricercatori hanno sviluppato un sistema di punteggio. Ai partecipanti è stato chiesto di valutare diversi sintomi sia prima che dopo l'infezione da COVID-19. Questo ha aiutato a creare un punteggio totale per ciascuna persona basato sui cambiamenti nei loro sintomi.

Caratteristiche della Coorte

Al momento di questa analisi, circa 1.800 partecipanti avevano riportato una diagnosi di COVID-19. In media, queste persone avevano circa 50 anni e un tempo mediano di recupero di circa 169 giorni. Il gruppo era prevalentemente femminile e per lo più si identificava come bianco.

Molti partecipanti hanno segnalato di avere altri problemi di salute prima o dopo l'infezione da COVID-19, tra cui ansia, depressione, asma, eczema e emicranie.

Definire i Gruppi di Long COVID

I ricercatori hanno categorizzato i pazienti con long COVID in due gruppi in base ai sintomi riportati tre mesi dopo l'infezione iniziale da COVID-19:

  1. Pazienti con Long COVID Severi: Questo gruppo includeva individui che segnalavano una vasta gamma e alta gravità di sintomi.
  2. Pazienti Dominati dall'Affaticamento: Questi individui sperimentavano principalmente sintomi legati all'affaticamento.

L'obiettivo era concentrarsi su pazienti con sintomi più severi, poiché probabilmente affrontavano sfide continue che potrebbero non migliorare senza farmaci.

Analisi dei Sintomi

Di quelli che hanno confermato di avere avuto COVID-19, un numero significativo ha riportato affaticamento, problemi cognitivi e difficoltà respiratorie. Molti pazienti hanno condiviso anche altri sintomi non inclusi nel questionario principale.

Una parte degli individui ha notato di dover ridurre le ore di lavoro o smettere di lavorare del tutto dopo essersi ammalati.

Controlli di Qualità dei Dati

Prima di analizzare i dati, i ricercatori hanno condotto controlli di qualità approfonditi per garantire l'accuratezza delle loro scoperte. Hanno filtrato i dati genetici per concentrarsi sulle variazioni genetiche più rilevanti, il che ha aiutato a semplificare il processo di analisi.

Metodo di Analisi Combinatoria

La ricerca ha utilizzato una piattaforma di analisi avanzata per identificare combinazioni di variazioni genetiche collegate alla long COVID. Questo metodo ha permesso ai ricercatori di scoprire connessioni che potrebbero non essere evidenti guardando a singole variazioni genetiche da sole.

Hanno analizzato combinazioni di caratteristiche genetiche in vari modi per trovare quelle più fortemente associate ai sintomi di long COVID. Ogni combinazione è stata testata rigorosamente per garantire risultati affidabili.

Identificazione di Varianti Genetiche Critiche

Attraverso questa analisi, i ricercatori hanno identificato diverse varianti genetiche associate a ciascun gruppo di long COVID. Hanno utilizzato metodi statistici per convalidare queste scoperte, assicurandosi che le firme genetiche identificate fossero realmente collegate alla long COVID.

Risultati dell'Analisi

L'analisi ha rivelato una gamma di caratteristiche genetiche associate sia ai pazienti con Long COVID Severi che a quelli Dominati dall'Affaticamento. In particolare, alcune firme genetiche erano comuni tra i due gruppi, indicando potenziali meccanismi biologici condivisi.

Confrontare la Long COVID con Altre Condizioni

Per approfondire la comprensione della long COVID, i ricercatori hanno confrontato i geni identificati con associazioni note da altre malattie croniche, concentrandosi particolarmente su disturbi autoimmuni, neurologici e metabolici. Questo confronto ha aiutato a evidenziare vie comuni e processi biologici che potrebbero influenzare i sintomi della long COVID.

Risultati Chiave

Lo studio ha identificato 73 geni unici associati alla long COVID, con un certo numero di essi collegati in precedenza a COVID-19 acuto. Molti di questi geni sono coinvolti in processi biologici critici, tra cui la risposta immunitaria e la funzione metabolica.

I risultati suggeriscono che la long COVID consiste in due sottogruppi distinti, ciascuno con firme genetiche e biologiche uniche che possono aiutare a spiegare i sintomi diversi sperimentati dai pazienti.

Sfide e Limitazioni

Nonostante le preziose intuizioni ottenute dallo studio, sono state notate diverse limitazioni. Il dataset era relativamente piccolo, e la maggior parte dei partecipanti era di origine caucasica, il che limita la comprensione di come diversi background possano influenzare la long COVID.

Inoltre, i dati si basavano su sintomi auto-riportati, il che può introdurre bias e imprecisioni. Alcuni sintomi importanti, come la sindrome da tachicardia ortostatica (POTS), non sono stati registrati in modo coerente, rendendo difficile valutare appieno il loro impatto.

Direzioni Future

Lo studio evidenzia la necessità di ulteriori ricerche per confermare questi risultati in gruppi più ampi e diversificati. I ricercatori sperano di accedere a dati aggiuntivi dei pazienti che potrebbero portare a intuizioni più complete sulla long COVID e sui suoi meccanismi sottostanti.

Promettente, l'identificazione di potenziali bersagli farmacologici e opzioni di trattamento offre speranza per sviluppare interventi efficaci per i pazienti con long COVID. Attraverso una migliore comprensione della condizione, i ricercatori possono lavorare per alleviare il peso affrontato da milioni di individui che soffrono di long COVID.

Conclusione

In sintesi, la long COVID è un problema di salute urgente che colpisce molti che si sono ripresi dal COVID-19. La combinazione di analisi genetiche e sintomatiche ha messo in luce le complessità di questa condizione. C'è ancora molto da imparare, ma i risultati di questa ricerca possono guidare studi futuri e sviluppi terapeutici per aiutare i pazienti con long COVID a riconquistare la loro salute e il loro benessere.

Fonte originale

Titolo: Genetic Risk Factors for Severe and Fatigue Dominant Long COVID and Commonalities with ME/CFS Identified by Combinatorial Analysis

Estratto: BackgroundLong COVID is a debilitating chronic condition that has affected over 100 million people globally. It is characterized by a diverse array of symptoms, including fatigue, cognitive dysfunction and respiratory problems. Studies have so far largely failed to identify genetic associations, the mechanisms behind the disease, or any common pathophysiology with other conditions such as ME/CFS that present with similar symptoms. MethodsWe used a combinatorial analysis approach to identify combinations of genetic variants significantly associated with the development of long COVID and to examine the biological mechanisms underpinning its various symptoms. We compared two subpopulations of long COVID patients from Sano Genetics Long COVID GOLD study cohort, focusing on patients with severe or fatigue dominant phenotypes. We evaluated the genetic signatures previously identified in an ME/CFS population against this long COVID population to understand similarities with other fatigue disorders that may be triggered by a prior viral infection. Finally, we also compared the output of this long COVID analysis against known genetic associations in other chronic diseases, including a range of metabolic and neurological disorders, to understand the overlap of pathophysiological mechanisms. ResultsCombinatorial analysis identified 73 genes that were highly associated with at least one of the long COVID populations included in this analysis. Of these, 9 genes have prior associations with acute COVID-19, and 14 were differentially expressed in a transcriptomic analysis of long COVID patients. A pathway enrichment analysis revealed that the biological pathways most significantly associated with the 73 long COVID genes were mainly aligned with neurological and cardiometabolic diseases. Expanded genotype analysis suggests that specific SNX9 genotypes are a significant contributor to the risk of or protection against severe long COVID infection, but that the gene-disease relationship is context dependent and mediated by interactions with KLF15 and RYR3. Comparison of the genes uniquely associated with the Severe and Fatigue Dominant long COVID patients revealed significant differences between the pathways enriched in each subgroup. The genes unique to Severe long COVID patients were associated with immune pathways such as myeloid differentiation and macrophage foam cells. Genes unique to the Fatigue Dominant subgroup were enriched in metabolic pathways such as MAPK/JNK signaling. We also identified overlap in the genes associated with Fatigue Dominant long COVID and ME/CFS, including several involved in circadian rhythm regulation and insulin regulation. Overall, 39 SNPs associated in this study with long COVID can be linked to 9 genes identified in a recent combinatorial analysis of ME/CFS patient from UK Biobank. Among the 73 genes associated with long COVID, 42 are potentially tractable for novel drug discovery approaches, with 13 of these already targeted by drugs in clinical development pipelines. From this analysis for example, we identified TLR4 antagonists as repurposing candidates with potential to protect against long term cognitive impairment pathology caused by SARS-CoV-2. We are currently evaluating the repurposing potential of these drug targets for use in treating long COVID and/or ME/CFS. ConclusionThis study demonstrates the power of combinatorial analytics for stratifying heterogeneous populations in complex diseases that do not have simple monogenic etiologies. These results build upon the genetic findings from combinatorial analyses of severe acute COVID-19 patients and an ME/CFS population and we expect that access to additional independent, larger patient datasets will further improve the disease insights and validate potential treatment options in long COVID.

Autori: Steve Gardner, K. Taylor, M. Pearson, S. Das, J. Sardell, K. Chocian

Ultimo aggiornamento: 2023-07-13 00:00:00

Lingua: English

URL di origine: https://www.medrxiv.org/content/10.1101/2023.07.13.23292611

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.07.13.23292611.full.pdf

Licenza: https://creativecommons.org/licenses/by-nc/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili