研究COVID-19活动性患者和康复患者的口腔微生物组、肠道微生物组和血脂谱;评估微生物组作为COVID-19非侵入性生物标志物的潜力;并探索微生物组和脂质特征之间的相关性。
我们收集了来自华中和华东地区的392份舌苔样本、172份粪便样本和155份血清样本并进行了测序。我们对微生物组和脂质分子进行了特征描述,构建了发现队列中的微生物分类器,并验证了其在华东地区74例确诊患者(CPs)和37例IgG阳性疑似患者(SPs)中的诊断潜力。
与健康对照(hc)相比,CPs的口腔和粪便微生物多样性显著降低。与hc相比,CPs在口腔中产生丁酸的细菌减少,产生脂多糖的细菌增加。基于8种最佳口腔微生物标志物(7种粪便微生物标志物)的分类器在不同队列中均有较好的诊断效果。重要的是,跨区域队列的诊断有效性达到87.24%。此外,该分类器将IgG抗体阳性的SPs成功诊断为CPs,诊断有效率达92.11%(对粪便微生物群的诊断为98.01%)。与CPs相比,鞘磷脂(SM)(d40:4)、SM(d38:5)、单甘油酯(33:5)等47个脂类分子被消耗,磷脂酰胆碱(36:4p)、磷脂酰乙醇胺(PE)(16:0p/20:5)、双甘油酯(20:1/18:2)等122个脂类分子被富集。
这项研究首次描述了COVID-19患者口腔微生物组的特征,以及康复患者口腔微生物组和脂质变化的特征,探讨了它们之间的相关性,并报告了COVID-19诊断模型的成功建立和验证。
COVID-19已成为全球大流行,导致1亿多人感染,200多万人死亡。
然而,作为新冠肺炎诊断的金标准,RT-PCR核酸检测因病毒滴度低、采样误差和实验误差等多种因素造成的假阴性率至少达到20%,一直受到质疑。
口腔和粪便微生物群落作为特定疾病或病毒性疾病(包括肝细胞癌和类风湿性关节炎)的非侵入性诊断工具的概念已在许多研究中得到证实;然而,目前尚不清楚口腔微生物标志物能否诊断COVID-19。
微生物组和脂质可以影响特定疾病的进展;然而,它们在COVID-19患者中的特征和相关性尚不清楚。
从健康对照(hc)到COVID-19患者,口腔和粪便微生物多样性下降,从疑似患者(SPs)到确诊患者(CPs),微生物多样性相似。
与hc相比,COVID-19患者中产生丁酸的细菌减少,产生脂多糖的细菌增加。
在随机森林模型上进行五次交叉验证,筛选出最优的8个口腔微生物标志物(7个粪便微生物标志物),构建基于最优微生物标志物的分类器,曲线下面积(AUC)为98.06%(粪便微生物组中为99.74%)。
重要的是,口腔微生物标志物实现了华中和华东地区COVID-19的跨区域验证。
口服和粪便微生物标志物成功诊断IgG抗体阳性的SPs为CPs, AUC为92.11%(粪便微生物组为98.01%)。
口腔微生物群、粪便微生物群和血脂分子之间的联系有助于CPs的恢复。
这是首次通过大队列MiSeq测序描述COVID-19患者口腔微生物群,并描述康复患者口腔微生物群和脂质的研究。
口腔和肠道微生物和脂质的改变可能参与了COVID-19的发展和恢复,这意味着对改变的微生物和脂质的干预可能有助于COVID-19的恢复。
这是首次在中国两个不同地区的三个队列中鉴定特异性微生物标志物并成功构建诊断模型的研究,取得了良好的诊断效果。同时,基于微生物特征的证据,我们首次提出并成功利用该模型将IgG阳性的SPs诊断为COVID-19阳性,提示微生物标志物可作为COVID-19无创诊断的辅助工具。
微生物组和脂质组之间的联系可能说明COVID-19的恢复机制。
COVID-19在全球迅速蔓延,已造成超过1亿人感染,200多万人死亡。
ACE2是SARS-CoV-2的靶标
代谢物的变化可以反映疾病的进展。
我们假设口腔和肠道微生物群参与了COVID-19的发展,并可以作为辅助诊断工具。此外,脂质组学和微生物组之间的相互作用可能有助于COVID-19的进展和恢复。为了验证这一假设,我们对392份舌苔样本、172份粪便样本和155份血清样本应用16S rRNA MiSeq测序和脂质组学技术,分析了COVID-19患者和康复患者的人体微生物组和脂质组学。
本研究基于前瞻性标本采集和回顾性盲法评价设计原则进行。
在华中和华东地区前瞻性采集了3种类型的957份样本,包括舌苔496份、粪便226份和血清235份(
研究设计和流程图。前瞻性收集华中和华东地区3种类型的957份样本,其中舌苔496份,粪便226份,血清235份。经过严格的纳入和排除标准,共纳入719份样本进行进一步分析,其中包括392份舌苔样本(72份CPs、37份SPs、22份CPRs、37份配对SPRs和150份来自河南的hcc和74份来自杭州的hcc), 172份粪便样本(36份CPs、23份SPs、18份CPRs、23份SPRs和72份来自河南)和155份血清样本(73份CPs、30份SPs、22份CPRs和30份SPRs)。采用16S rRNA MiSeq对口腔和粪便样品进行测序,以表征微生物组并构建诊断模型;采用UPLC-MS检测血清样品,以表征脂质分子。hc,健康对照;CPs,确诊患者;SPs,疑似患者;CPRs,已康复的确诊患者;RFC,随机森林分类器;已康复的疑似患者; UPLC-MS, ultra-performance liquid chromatography-mass spectrometry.
口腔和粪便发现队列参与者的临床特征
临床指标 | 发现队列舌膜样本(n=148) | P值 | 发现队列的粪便样本(n=72) | P值 | ||
健康对照组(n=100) | 确诊患者(48例) | 健康对照组(n=48) | 确诊患者(n=24) | |||
年龄(年) | 44.88±11.35 | 48.40±13.90 | 0.088 | 48.52±6.50 | 48.04±10.24 | 0.836 |
性别(女性/男性) | 63/37 | 28/20 | 0.585 | 23/25 | 10/14 | 0.616 |
并发症 | 11 (22.9%) | 4 (16.7%) | ||||
确诊患者或武汉暴露 | 38 (79.2%) | 18 (75%) | ||||
入院时症状 | ||||||
发热 | 32 (66.7%) | 21 (87.5%) | ||||
咳嗽 | 15 (31.25%) | 8 (33.3%) | ||||
痰 | 5 (10.4%) | 3 (12.5%) | ||||
头疼 | 3 (6.25%) | 3 (12.5%) | ||||
乏力 | 6 (12.5%) | 5 (20.8%) | ||||
实验室结果 | ||||||
白细胞 | 6.09±1.53 | 5.32±1.95 | 0.003 | 5.83±1.39 | 4.36±1.58 | < 0.0001 |
中性粒细胞 | 3.56±1.17 | 4.26±2.04 | 0.088 | 3.32±1.05 | 3.68±2.03 | 0.962 |
淋巴细胞 | 1.95±0.47 | 1.77±2.03 | < 0.0001 | 1.92±0.52 | 1.32±0.52 | < 0.0001 |
血小板 | 234.26±49.33 | 191.42±75.22 | < 0.0001 | 226.90±50.80 | 174.42±60.71 | < 0.0001 |
血红蛋白 | 143.43±17.25 | 141.65±34.84 | 0.026 | 142.54±13.93 | 137.08±20.54 | 0.249 |
丙氨酸转氨酶 | 22.54±21.31 | 23.89±14.06 | 0.115 | 22.90±16.56 | 25.05±14.87 | 0.307 |
天冬氨酸转氨酶 | 22.57±11.23 | 25.29±10.47 | 0.010 | 21.67±7.83 | 26.50±10.46 | 0.009 |
总胆红素 | 12.70±5.59 | 13.14±8.45 | 0.400 | 11.53±5.02 | 10.47±6.35 | 0.120 |
血清肌酐 | 71.15±14.80 | 67.42±16.50 | 0.123 | 68.08±11.89 | 68.33±16.99 | 0.583 |
连续变量以均值(SD)或中位数(IQR)表示。分类变量以百分比表示。对COVID-19患者(n=48, n=24)和健康对照组(n=100, n=48)采用正态连续变量的Student’s t检验、非正态连续变量的Wilcoxon秩和检验和χ进行比较2分类变量的Fisher精确检验。统计学意义为p<0.05(双侧)。共病包括糖尿病、高血压、心血管疾病、慢性阻塞性肺疾病、恶性肿瘤和慢性肝病(
标本采集、运输、储存、检测严格按照《新型冠状病毒肺炎疫情防控方案(第五版)》,按照II型高致病性微生物进行管理。
每个参与者在06:00-10:00提供新鲜的尾巴粪便样本。样品在70°C下灭活1小时,然后分成200 mg的三等份,并立即在−80°C保存。我们将室温>2小时的样品丢弃。
在采集舌苔样本之前,参与者用无菌水漱了两次嘴。舌苔的后中间到前中间区域由专业操作者用咽拭子刮拭。棉签立即放入冷冻管中,在56°C下灭活病毒30分钟,然后将样本转移到−80°C的冰柜中。DNA提取过程如前所述
按照标准方案进行PCR扩增和DNA文库构建,测序平台为Illumina MiSeq平台,由中国上海茂比欧生物医药科技有限公司提供。所有样本的原始Illumina读取数据保存在欧洲生物信息学研究所欧洲核苷酸档案数据库(PRJNA660302)。PCR扩增和序列数据处理的细节见
从所有样本中随机选择相同数量的读取,操作分类单元(OTUs)由usparse管道打包。
分别将发现队列、验证队列和独立诊断队列的序列映射,生成发现OTU频率谱、验证频率谱和独立诊断频率谱。然后,我们使用Wilcoxon秩和检验来确定其显著性(p<0.05),并选择口腔和粪便微生物群落中的OTU生物标志物进行进一步分析。我们在随机森林模型上通过五次交叉验证构建了诊断模型,并评估了疾病概率(POD)指数和受试者工作特征曲线。该过程是按照我们在以前的研究中所描述的进行的(
所有采集的血液样品均采用3000转/分离心10分钟的方法制备,仔细收集上层取血清。通过添加乙醇灭活血清样品,大力摇晃,在生物安全罩中干燥,然后在−80°C保存。所有样品在4°C缓慢解冻。
采用标准试剂盒检测血清抗SARS-CoV-2 IgG,采用超高效液相色谱-质谱分析检测脂质组学,采用LipidSearch V.4.1和metaX (
正态连续变量采用Student 's t检验,非正态连续变量采用Wilcoxon秩和检验,χ进行比较2分类变量的Fisher精确检验。正态连续变量采用单因素方差分析,非正态连续变量采用Kruskal-Wallis检验。p值<0.05(双侧)的差异被认为有统计学意义。使用SPSS V.20.0 for Windows (SPSS,芝加哥,伊利诺伊州,美国)进行统计分析。
排除后,719份样品被纳入进一步分析(
CPs和hc的舌苔和粪便样本随机分为发现阶段和验证阶段。在发现阶段,我们对48个CPs和100个hc中的口腔微生物组(24个CPs和48个hc中的粪便微生物组)进行了特征分析,确定了关键的口腔或粪便微生物标志物,并通过五倍交叉验证随机森林模型构建了COVID-19分类器。在验证阶段,我们验证了基于24个CPs和50个hcc的口腔微生物组(12个CPs和24个hcc的粪便微生物组)的COVID-19分类器的诊断效果。利用杭州地区74份舌苔样本,验证了新型冠状病毒肺炎分类器的跨区域诊断效果。此外,利用37份IgG阳性的SPs舌苔样本(23份粪便样本),测试COVID-19分类器是否可以诊断COVID-19阳性。最后,我们对COVID-19患者和康复患者的口腔和粪便微生物群和血脂分子进行了特征分析。此外,还分析了微生物组与脂质之间以及微生物组与临床参数之间的相关性。
在发现队列中,CPs和hc的临床特征显示在
发现队列的稀疏分析显示,每个组的OTU丰度接近饱和(
基于口腔微生物组的COVID-19无创诊断模型(A)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=48)和hc (n=100)中OTUs数量趋于饱和。与hc相比,CPs中OTUs数量减少。据Shannon指数估计,与hc相比,CPs的口腔微生物多样性显著降低。(B)基于OTU分布的PCoA显示两组间口腔分类组成存在显著差异。(C)与hc相比,CPs中有5个属显著富集,5个属显著减少。(D)属水平上两组细菌群落的平均组成和相对丰度。(E)两组中每个样品的差异OTUs相对丰度的热图。与hc相比,CPs的POD值显著升高,在发现队列(F和G)、验证队列(H和I)和独立队列(J和K)均取得较好的诊断效果,与hc相比,SPs的POD值显著升高(L), AUC值为0.9211 (M). *P<0.05, ** P< 0.01, *** P< 0.001。 AUC, area under the curve; CPs, confirmed patients; HCs, healthy controls; OTUs, operational taxonomy units; PCoA, principal coordinate analysis; POD, probability of disease; SPs, suspected patients. Centerline, median; box limits, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
在属层面(
与hc相比,五个属包括
热图显示3个OTUs富集于CPs, 45个OTUs富集于hc (
为了评估口腔微生物标志物对COVID-19的诊断价值,我们在100个hc和48个CPs之间构建了随机森林分类器模型。最初,在随机森林模型中通过五次交叉验证,选择了8个能够准确识别两组差异的OTUs作为最佳标记集(
同时,在验证队列中使用24个CPs和50个hc来验证微生物生物标志物对CPs的诊断效果。POD指数(
RT-PCR核酸检测被公认为新冠肺炎的金标准。
CPs, SPs和hc的口腔微生物特征。(A)康复期间CPs (n=22)、SPs (n=37)和hc (n=6)抗SARS-CoV-2抗体水平。试剂盒阳性判决值为10 U/mL(>值为10 U/mL为阳性,<10 U/mL为阴性)。图中抗体水平按log计算2(价值)。(B)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=72)、SPs(37)和hc (n=150)中OTUs数量趋于饱和。与hc相比,CPs和SPs中的OTUs数量减少。通过Shannon指数估算,CPs和sp的口腔微生物多样性相似,但与hc相比显著降低。(C)基于OTU分布的PCoA显示,CPs和sp的口腔微生物群落与hc的相似,但差异显著。(D)属水平上三组细菌群落的平均组成和相对丰度。(E)三组中每个样品的差异OTUs相对丰度的热图。PCoA显示,CPs与sp (F)、CPRs与SPRs (G)之间口腔微生物群分布无显著差异。(H)四组细菌群落在属水平上的平均组成和相对丰度。CPs,确诊患者; CPRs, confirmed patients who recovered; HCs, healthy controls; OTUs, operational taxonomic units; PCoA, principal coordinate analysis; SPs, suspected patients; SPRs suspected patients who recovered. Centerline, median; box limits or upper and lower lines, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
每种疾病都有其独特的口腔微生物特征。
CPs (n=72)和SPs (n=37)的口腔微生物多样性相似(p>0.05),但与hc (n=150)相比显著降低(p<0.001) (
PCoA结果显示,CPs与sp、CPRs与SPRs的口腔微生物群分布无显著差异(
cpr的口腔微生物多样性与cp相似,但与hc相比显著降低(p<0.001) (
口腔微生物修复与COVID-19患者康复(A)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=72)、cpr(22)和hc (n=150)中OTUs数量趋于饱和。与hc相比,CPs和CPRs中的OTUs数量减少。通过Shannon指数估算,cpr的口腔微生物多样性与CPs相似,但与hc相比显著降低。(B)基于OTU分布的PCoA显示,cpr与cp和hc的口腔微生物群落不同。(C)随着COVID-19的恢复,5个属的相对丰度逐渐增加,各组间差异显著,而5个属的相对丰度逐渐减少,各组间差异显著。(D)三组中每个样品的差异OTUs相对丰度的热图。红框从左到右表示OTUs丰度的逐渐增加,绿框从左到右表示OTUs丰度的逐渐减少。*P<0.05, ** P< 0.01, *** P< 0.001。 CPs, confirmed patients; CPRs, confirmed patients who recovered; HCs, healthy controls; OTUs, operational taxonomic units; PCoA, principal coordinate analysis. Centerline, median; box limits, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
口腔微生物组在门和属水平上的平均组成和相对丰度显示在
除了口腔微生物组,肠道微生物组也与病毒性疾病密切相关,如乙肝病毒,
肠道微生物组作为COVID-19的无创诊断模型。(A)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=24)和hc (n=48)中OTUs数量趋于饱和。与hc相比,CPs中OTUs数量减少。据Shannon指数估计,与hc相比,CPs的肠道微生物多样性显著降低。(B)基于OTU分布的PCoA显示两组间肠道分类组成存在显著差异。(C)属水平上两组细菌群落的平均组成和相对丰度。(D)与hc相比,CPs中有5个属显著富集,5个属显著减少。(E)两组中每个样品的差异OTUs相对丰度的热图。与hc相比,CPs的POD值显著升高,在发现队列(F和G)、验证队列(H和I)均具有较好的诊断效果,与hc相比,SPs的POD值显著升高(J), AUC值为0.9801 (K), **P<0.01, *** P< 0.001。 AUC, area under the curve; CPs, confirmed patients; HCs, healthy controls; OTUs, operational taxonomy units; PCoA, principal coordinate analysis; POD, probability of disease; SPs, suspected patients. Centerline, median; box limits, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
在属和门水平上,两组粪便微生物群的平均组成和相对丰度显示在
为了评估粪便微生物标志物对COVID-19的诊断价值,我们基于7个最优标记集,在48个hc和14个CPs之间构建随机森林分类器模型(
接下来,我们收集了23个SPs的样本并进行测序,并对恢复过程中IgG阳性的SPRs进行配对。POD指数(
CPs、SPs和hc之间的肠道微生物改变。(A)康复期间CPs (n=18)、SPs (n=23)和hc (n=6)抗SARS-CoV-2抗体水平。试剂盒阳性判决值为10 U/mL(>为10 U/mL为阳性,<10 U/mL为阴性)。图中抗体水平按log计算2(价值)。(B)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=36)、SPs (n=23)和hc (n=72)中OTUs数量趋于饱和。与hc相比,CPs和SPs中的OTUs数量减少。通过Shannon指数估算,CPs和SPs的粪便微生物多样性相似,但与hc相比显著降低。(C)基于OTU分布的PCoA显示,CPs和sp的肠道微生物群落与hc相似,但差异显著。(D)属水平上三组细菌群落的平均组成和相对丰度。(E)三组中每个样品的差异OTUs相对丰度的热图。PCoA显示,CPs与sp (F)、CPRs与SPRs (G)的粪便微生物群分布无显著差异。(H)四组细菌群落在属水平上的平均组成和相对丰度。hc,健康对照; CPs, confirmed patients; SPs, suspected patients; OTUs, operational taxonomy units; PCoA, principal coordinate analysis; CPRs, confirmed patients who recovered; SPRs, suspected patients who recovered. Centerline, median; box limits or upper and lower lines, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
相似的肠道菌群特征可能源于相同的疾病。因此,我们分析了CPs (n=36)、SPs (n=23)和hc (n=72)的粪便微生物特征。CPs和SPs的粪便微生物多样性相似,但与hc相比显著降低(p<0.001,
与CPs (n=36)相比,cpr (n=18)的粪便微生物多样性增加(Shannon指数,p<0.05),但与hc (n=72)相比,显著降低(p<0.001) (
肠道微生物恢复与COVID-19患者康复(A)样品数量与OTUs数量之间的稀疏性分析。随着样本量的增加,在CPs (n=36)、CPRs (n=18)和hc (n=72)中OTUs数量趋于饱和。与hc相比,CPs和CPRs中的OTUs数量减少。根据Shannon指数估计,cpr的粪便微生物多样性比CPs增加,但比hc显著降低。(B)基于OTU分布的PCoA显示,cpr与CPs和hc的粪便微生物群落不同。(C)随着COVID-19的恢复,5个属的相对丰度逐渐增加,各组间差异显著,而5个属的相对丰度逐渐减少,各组间差异显著。(D)三组中每个样品的差异OTUs相对丰度的热图。红框从左到右表示OTUs丰度的逐渐增加,绿框从左到右表示OTUs丰度的逐渐减少。*P<0.05, ** P< 0.01, *** P< 0.001。 HCs, healthy controls; CPs, confirmed patients; OTUs, operational taxonomy units; PCoA, principal coordinate analysis; CPRs, confirmed patients who recovered. Centerline, median; box limits, upper and lower quartiles; circle or square symbol, mean; error bars, 95% CI.
在门和属水平上,三组粪便微生物群的平均组成和丰度显示在
热图显示,CPRs的粪便微生物群落与CPs和hc不同,差异OTUs丰度在CPs和hc之间(
代谢物在COVID-19的进展中发挥重要作用。
微生物组和脂质组之间的联系有助于CPs的恢复。(A)在子类水平上,CPs (n=73)和CPRs (n=22)中脂类的平均组成和相对丰度。(B)主成分分析显示,脂质在CPRs (n=22)和CPs (n=73)中的分布不同。(C)基于KEGG确定了CPs (n=73)和cpr (n=22)之间差异最大的20条富集通路。点的大小代表代谢物的数量。(D)热图显示了CPs (n=11)和hc (n=18)之间28个不同的口腔OTUs和28个不同的肠道OTUs之间的部分Spearman相关系数。红色代表正相关,绿色代表负相关。(E) 22种辨别性口腔微生物OTUs、4种辨别性粪便微生物OTUs和CPs (n=36)和cpr (n=18)中10种辨别性脂分子之间的关系。点的颜色表示该属的不同门。每个属的点的大小表示平均相对丰度。 The circle points represent the faecal microbiome, square points represent the lipid molecule and diamond points represent the tongue-coating microbiome. The transparency of the lines represents the negative logarithm (base 10) of the p value of correlation (Spearman’s), red lines represent negative correlations, blue lines represent positive correlations and the width of the lines represents the size of the correlation (Spearman’s). HCs, healthy controls; CPs, confirmed patients; OTUs, operational taxonomy units; CPRs, confirmed patients who recovered.
主成分分析及热图(
我们分析了28种口腔和28种粪便特有微生物OTUs在CPs和hc之间的相关性。其中11个口腔微生物群,如OTU2284 (
人体微生物组通过向血液中分泌代谢物参与疾病的发生和发展。
此外,我们进行了Spearman相关分析(
我们的研究首先发现了与covid -19相关的口腔微生物群的组成和功能改变,确定了特定的微生物标志物并构建了诊断模型,在中国两个不同地区的三个队列中取得了良好的诊断效果。令人信服的研究表明,口腔微生物组与病毒性疾病密切相关,可以作为特定疾病或病毒性疾病的非侵入性诊断工具。张
每种疾病都有其独特的口腔和肠道微生物变化。
微生物组与疾病恢复密切相关。类风湿性关节炎和牙周炎患者的口腔微生物失调在治疗后部分恢复正常,
作者要感谢所有参与这项研究的志愿者。感谢中国广山县人民医院和郑州大学第一附属医院所有参与抗击COVID-19的临床医生。
ZR、HW、GC、HL和LW贡献相同。
这篇文章在Online First发表后已被更正。平等供款表已更新。
ZR, LL和ZY设计了研究。收集临床标本ZR、HL、LW、HL、XW、BR、HZ、XL、HC、CY、XC。HR和JS提取细菌DNA。HL和XL进行MiSeq测序。GC、XC、WL、ZW完成脂组学检测分析。HW、GC、CL、RS、AL、CY和QK对数据进行了分析。HW, ZR和BL撰写了手稿。所有作者审阅并批准了手稿。
本研究由国家科技重大专项(2018ZX10301201)、中国博士后科学基金(2020T130609、2020T130109ZX)、国家重点研发计划(2018YFC2000500)、国家自然科学基金(U2004121、82070643、U1904164)、河南省科技计划(202102310055)、国际和平妇幼保健院新冠肺炎疫情防控项目资助。上海交通大学医学院(2020-COVID-19-01)和浙江大学医学院第一附属医院传染病诊疗国家重点实验室和传染病诊疗协同创新中心开放基金(SKLID2019KF03)。
没有宣布。
不是委托;外部同行评审。
此内容由作者提供。它没有经过BMJ出版集团有限公司(BMJ)的审查,也可能没有经过同行评审。讨论的任何意见或建议仅是作者的意见或建议,不被BMJ认可。BMJ不承担因对内容的任何依赖而产生的所有责任和责任。如果内容包括任何翻译材料,BMJ不保证翻译的准确性和可靠性(包括但不限于当地法规、临床指南、术语、药品名称和药物剂量),并且对因翻译和改编或其他原因引起的任何错误和/或遗漏不负责。
数据可以在一个公共的、开放访问的存储库中获得。所有样本的原始Illumina读取数据保存在欧洲生物信息研究所欧洲核苷酸档案数据库(PRJNA660302)中。
不是必需的。
本研究由郑州大学第一附属医院(2020-KY-055)和广山县人民医院(2020-001)机构审查委员会批准。该研究是根据赫尔辛基宣言和良好临床实践规则进行的。在研究方案得到充分解释后,所有参与者都签署了书面知情同意书。