В последнее время появляется все больше исследований, посвященных анализу метаболома крови для диагностики и оценки тяжести заболеваний [1-4]. Метаболомное профилирование биологических жидкостей человека вызывает большой интерес с точки зрения возможностей получения дополнительных знаний о патогенезе заболеваний и возможных терапевтических мишенях.

Основным методом исследования метаболома является масс-спектрометрия (МС), которая позволяет с высокой надежностью, специфичностью и чувствительностью определять широкий круг разнообразных соединений, в т.ч. являющихся маркерами заболеваний, даже в очень низкой концентрации.

Биобанки предоставляют исследователям охарактеризованный биологический материал, что позволяет сформировать оптимальные когорты пациентов. Использование биобанков дает возможность проводить масштабные метаболомные исследования в сжатые сроки и быстро внедрять значимые результаты в клиническую практику.

Сочетание возможностей МС и биобанкирования в метаболомном анализе может использоваться для оценки прогноза развития новой коронавирусной инфекции, а выявленные метаболические профили — для уточнения связанных с заболеванием биологических путей.

Известно, что новая коронавирусная инфекция 2019 (COVID-19 — COrona VIrus Disease 2019) вызывает у некоторых инфицированных людей продолжительный и неконтролируемый цитокиновый ответ, известный как цитокиновый шторм (ЦШ). ЦШ при COVID-19 часто приводит к диффузному альвеолярному повреждению легких, проявляющемуся острым респираторным дистресс-синдромом с явлениями полиорганной недостаточности, а в ряде случаев тромбогеморрагическим (ДВС-подобным) синдромом, или синдромом диссеминированного внутрисосудистого свертывания крови, и может стать причиной летального исхода [1][5].

Выявление факторов, позволяющих прогнозировать риск развития тяжелого течения заболевания и его осложнений, а также поиск биомаркеров, определяющих риски развития ЦШ при COVID-19, является важной задачей.

Спектр аминокислот отображает многие процессы, происходящие в организме, и может содержать сведения об особенностях протекании многих заболеваний. Аминокислоты необходимы для синтеза белков, гормонов и нейротрансмиттеров, они являются предшественниками многих жизненно важных молекул и играют ключевую роль в функционировании иммунных клеток, поэтому нарушение метаболизма аминокислот может вызывать неврологические симптомы и полиорганную недостаточность [6][7]. Аминокислоты плазмы связывают все системы органов и играют важную физиологическую роль в качестве основных метаболитов и регуляторов метаболизма. Соответственно, метаболические изменения, возникающие при заболеваниях различных систем и органов, будут оказывать влияние на аминокислотные профили, а спектр аминокислот может служить прогностическим фактором или указывать на развитие ряда заболеваний [8].

К настоящему времени опубликовано немало работ, посвященных изучению метаболомного профиля пациентов с COVID-19. Большинство из них направлены на определение уникальной метаболической сигнатуры COVID-19 или на прогнозирование тяжести заболевания и/или смертности от него [1-3][9]. Отмечено, что при многих заболеваниях изменение уровня определенных аминокислот может служить прогностическим фактором [4][6]. Кроме того, в ряде клинических исследований было показано, что на исход заболевания может влиять добавка в рацион аминокислот, концентрация которых уменьшается при тяжелом течении COVID-19 [1][2]. Таким образом, выявление аминокислотных профилей может быть полезным не только в качестве биомаркеров патологических состояний, но и для разработки стратегий лечения [3][4].

Концентрации аминокислот в сыворотке крови достаточно сильно связаны с симптоматикой COVID-19 [1][6][9-12]. Однако данные об участии отдельных аминокислот в патологических процессах могут значительно расходиться. Так, в ряде исследований сообщалось, что уровень концентрации фенилаланина был положительно связан с тяжестью симптомов [6][13][14], тогда как в других работах отмечена обратная связь [15] или отсутствие такой связи [11][16].

Целью настоящей работы было выявление особенностей метаболомного (прежде всего, аминокислотного) профиля пациентов, инфицированных COVID-19, с различной тяжестью течения и исходами заболевания.

Используемый материал. Для исследования аминокислотного профиля использовали замороженную сыворотку крови из коллекции биобанка Санкт-Петербургского государственного бюджетного учреждения здравоохранения (СПб ГБУЗ) "Городская больница № 40". Документы в рамках научно-исследовательского проекта "Биобанкирование и биомедицинские исследования образцов тканей и жидкостей человека" были одобрены Экспертным советом по этике СПб ГБУЗ "Городская больница № 40" на заседании № 119 от 09 февраля 2017г. У всех участников исследования было получено письменное информированное добровольное согласие на помещение их биоматериала в биобанк с последующим использованием в научных целях.

Пациенты и группы. В ретроспективное исследование были включены образцы сыворотки 935 пациентов (445 мужчин и 490 женщин) с диагнозом U07.1 — "Коронавирусная инфекция COVID-19, вирус идентифицирован" (таблица 1). Диагноз COVID-19 был поставлен на основании клинической картины и по результатам ПЦР (полимеразной цепной реакции)-тестирования.

Для отбора пациентов в исследование использовали следующие критерии включения:

Пациенты были разделены на группы в соответствии со степенью тяжести заболевания согласно актуальной версии "Временных методических рекомендаций. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19)": (I) "легкое течение" — группа пациентов с легким протеканием COVID-19 без изменений при компьютерной томографии (КТ), характерных для вирусного поражения (16 мужчин и 9 женщин); (II) — "среднетяжелое течение" — группа пациентов с повышенной температурой тела (>38º C), относительно низким уровнем насыщения крови кислородом и изменениями при КТ, типичными для вирусного поражения (263 мужчин и 301 женщина), (III) — "тяжелое течение" — группа пациентов с тяжелым течением COVID-19, при котором наблюдаются снижение уровня сознания, нестабильная гемодинамика и изменения при КТ вплоть до критической степени поражения и острого респираторного дистресс-синдрома (166 мужчин и 180 женщин).

Также были выделена группа IV — пациенты с летальным исходом заболевания (всего 73 мужчины и 68 женщин), а в качестве группы сравнения использовали группу пациентов, успешно выписанных после лечения — V.

Наличие ЦШ (в любой день на протяжении всей госпитализации) определялось согласно следующим условиям: уровень ферритина >485 мкг/л, С-реактивного белка >50 мг/л, D-димера >2,5 мкг/мл, интерлейкина-6 >25 пг/мл, активность лактатдегидрогеназы >550 ед/л. При совпадении ≥3 условий пациента определяли в группу VI, при невыполнении всех условий пациента определяли в группу VII.

Для групп VI и VII использовали дополнительный критерий исключения: отсутствие как минимум двух параметров (лабораторных биомаркеров), использующихся для определения ЦШ, измеренных в день взятия биоматериала. После исключения общее количество пациентов в сравнении (VI и VII группы) сократилось с 935 до 352.

Метод исследования профиля метаболитов. Подготовку образцов сыворотки крови проводили в дубликатах (параллельные измерения). В качестве внутренних стандартов использовали 4-морфолинэтансульфоновую кислоту и метионин сульфат (фирмы Sigma-Aldrich). Образцы размораживали при комнатной температуре, далее к 50 мкл сыворотки крови добавляли 100 мкл раствора смеси внутренних стандартов в ацетонитриле. Полученный экстракт разбавляли водой (очищенной с использованием системы Milli-Q), центрифугировали и анализировали с использованием метода высокоэффективной жидкостной хроматографии с тандемной масс-спектрометрией (ВЭЖХ-МС/МС). Приготовленные стандартные растворы и экстракты хранили при температуре -20º С.

Контролем качества служили экстракты образцов усредненной сыворотки крови с добавкой внутренних стандартов, приготовленные по той же процедуре, что и экспериментальные образцы. Усредненную сыворотку готовили из предварительно отобранных и тщательно смешанных образцов сыворотки крови нескольких доноров, полученную смесь аликвотировали и замораживали до проведения исследования. В качестве "холостой" пробы использовали 5% раствор этилендиаминтетраацетата натрия и аликвоты растворителей в соответствующих объемах, пропущенные через все стадии пробоподготовки.

Исследование профиля метаболитов проводили с использованием жидкостного хромато-масс-спектрометра с тройным квадруполем LCMS-8050 (фирмы Shimadzu) с хроматографической системой Nexera X2. ВЭЖХ-МС/МС — анализ выполняли с применением коммерчески доступного метода "LC/MS/MS Method Package for Primary Metabolites" для анализа первичных метаболитов с использованием аналитической колонки Discovery HS F5-3 (150×2,1 мм, 3 мкм) (Supelco, Merck) в режиме мониторинга множественных реакций. Метод позволяет проводить одновременный анализ 98 первичных метаболитов (таблица 2), включающих аминокислоты, органические кислоты, нуклеотиды, нуклеозиды и коферменты. Масс-спектрометрические и хроматографические условия и параметры задавали согласно инструкции для метода "LC/MS/MS Method Package for Primary Metabolites". Сбор и обработку данных проводили с применением программного обеспечения LabSolutions по методу внутреннего стандарта.

Статистическая обработка данных. Для проверки гипотезы о нормальном распределении данных использовался тест Шапиро-Уилка. Для выявления межгруппового различия в уровнях концентрации исследуемых соединений использовался однофакторный дисперсионный анализ по критерию Краскела-Уоллиса, в качестве post-hoc анализа применялся критерий Манна-Уитни. В качестве меры, отображающей разность диапазона значений между выборками, использовался логарифм кратности изменения (log fold change, lfc), описательная статистика представлена медианой (Me) и интерквартильным размахом [Q25-Q75]. Для оценки связи между индексом коморбидности и концентрацией исследуемых соединений использовался коэффициент корреляции Спирмена. Различие между выборками считали значимым при p<0,05 и lfc>1. Обработка и статистический анализ данных выполнены с использованием языка программирования R версии 4.3.1.

Исследование выполнено в рамках проекта Санкт-Петербургского государственного университета ID 94029859 и при взаимодействии с базой Ресурсного центра Биобанк (Core facility center "Biobank").

Каждый образец анализировали на наличие первичных метаболитов основных химических классов клинически значимых низкомолекулярных соединений. Для дальнейшего анализа использовали только те метаболиты, которые показали ненулевые значения как минимум в нескольких повторах. Таким образом, из 98 метаболитов, которые могут быть детектированы используемым методом, были отобраны 84 соединения.

Результаты проведенного анализа первичных метаболитов выявили различия метаболомного профиля в зависимости от тяжести заболевания для 52 из 84 детектированных соединений (со значимостью p<0,01). Наибольшее различие в сравнении групп по тяжести течения COVID-19 показали следующие метаболиты: кинуренин (p<0,0001; lfc=1,62), фенилаланин (p<0,0001; lfc=1,13) и ацетилкарнитин (p<0,0001; lfc=1,28).

Различия между группами с высоким уровнем статистической значимости обнаружены и для концентрации следующих соединений: цитруллин, орнитин, цистин, диметилглицин, асимметричный диметиларгинин (АДМА), аланин, цистатион, карнозин, 5-глутамилцистеин, аргинин (таблица 3).

Кроме того, при прогрессировании тяжести COVID-19 последовательно изменялись уровни содержания тирозина, гистидина, пролина, треонина, симметричного диметиларгинина (СДМА), креатинина, аденозина, тимидинмонофосфата (ТМФ), цитозина, S-аденозилгомоцистеина (SAH), никотинамида.

Отличия в метаболическом профиле пациентов I группы с COVID-19 от II группы наблюдались для более чем 30 исследованных соединений (таблица 3). Для II группы пациентов были выявлены повышенные уровни кинуренина, фенилаланина, ацетилкарнитина, диметилглицина, пролина, цитозина, тирозина, аденозина, SAH, ТМФ, а несколько меньше для изолейцина, аллантоина, аспарагина, аспарагиновой кислоты, 4-гидроксипролина, цистатиона, лизина, глицина, 5-глутамилцистеина, глутатиона, валина, серина, аденозинмонофосфата (АМФ), 2-кетоглутаровой, яблочной и оротовой кислот, креатина, лимонной, 2-аминобутановой и никотиновой кислот, гипоксантина, гомоцистина, холина, уридина, креатинина, карнитина, никотинамида, офтальмовой кислоты, карнозина, гуанозина, аденина, адреналина, гистамина.

В то же время уровни треонина, орнитина, цитруллина, цистеина, АДМА и СДМА, гистидина, аргинина, аланина, изолимонной и пировиноградной кислот, АМФ, глицина, норадреналина, S-аденозилметионина (SAM), холевой кислоты у пациентов II группы были ниже, чем у пациентов I группы.

Метаболический профиль пациентов III группы характеризовался дальнейшим изменением уровней тех же соединений, которые отличали I группу от II. Дополнительно были отмечены различия в уровнях изолимонной кислоты, АМФ и урацила.

При этом метаболомные профили I и III групп различались уровнями 4-гидроксипролина, аллантоина, СДМА, уридина, аденозина и SAH.

Уровни ацетилхолина, лейцина, глутамина и глутаминовой кислоты, метионин сульфоксида, гидроксилизина, гомоцистина, 2-аминобутановой кислоты, глутатиона, карнозина, триптофана, инозина, холина, пантотеновой кислоты, цитидина, аденина, адреналина, дофамина, серотонина в метаболомных профилях пациентов различных групп различались незначительно.

Для пациентов с ЦШ наблюдались повышенные уровни кинуренина, треонина, фенилаланина, глицина, 4-гидроксипролина, цитруллина, SAH, цитозина, цистатиона, ацетилкарнитина по сравнению с пациентами без ЦШ (таблица 4).

Различие в метаболомных профилях между выжившими и умершими пациентами отмечалось для 37 соединений из 82 (таблица 5). Различия с высоким уровнем значимости были зафиксированы для цистина (p<0,0005; lfc=1,36), цистеина (p<0,0001; lfc=1,81) и диметилглицина (p<0,0001; lfc=1,29). В метаболоме умерших пациентов наблюдались существенно более низкие уровни треонина, цистеина, гомоцистина, гидроксилизина, гипоксантина, изолимонной, пировиноградной и холевой кислот, серотонина. В то же время уровни кинуренина, фенилаланина, цитруллина, цитозина, диметилглицина, гистамина, 5-глутамилцистеина, цистина, карнитина, креатинина, креатина, цистатиона, лейцина и изолейцина, АМФ, ТМФ, SAH, ацетилкарнитина, 2-кетоглутаровой, яблочной, пантотеновой, молочной, мочевой и фумаровой кислот, никотинамида, дофамина были выше, чем у выживших пациентов.

При этом по уровню аллантоина, гистидина, пролина, аспарагина и аспарагиновой кислоты, орнитина, аргинина, карнитина, валина, серина, триптофана, метионина, глицина, цитидина, инозина, аденина, оротовой и 4-аминобутановой кислот, холина, уридина, никотиновой и офтальмовой кислот, адреналина, урацила эти группы пациентов практически не различались между собой.

Индекс коморбидности Чарлсона у пациентов с COVID-19 был значимо связан только с 4-мя метаболитами: серином (p<0,0001; ρ=0,28), цитидином (p<0,0001; ρ=0,28), цитидинмонофосфатом (p<0,0001; ρ=0,26) и SAH (p<0,0001; ρ=0,31).

Согласно полученным результатам, наиболее ассоциированными с тяжестью протекания COVID-19 являются кинуренин, фенилаланин и ацетилкарнитин. Это согласуется с данными о повышении уровней кинуренина и фенилаланина для пациентов с COVID-19 [3][10][17][18] и их отрицательной корреляции с тяжестью инфекции [6][12]. Увеличение уровня кинуренина при COVID-19 связывают с усилением деградации триптофана из-за сверхактивации иммунного ответа через повышение уровня интерферона-гамма (усиление воспалительного ответа) и сильную активацию Т-клеток [1][17]; отмечена взаимосвязь метаболитов кинуренинового пути с промежуточными продуктами цикла трикарбоновых кислот, воспалительной реакцией и гибелью клеток [4]. В ряде работ наблюдали взаимосвязь уровней фенилаланина и треонина плазмы с маркерами воспаления интерлейкин-6/фактор некроза опухоли, что указывает на существенную роль биосинтеза фенилаланина в иммунном ответе организма на вирус COVID-19 [6][13]. Однако в нашем исследовании изменение уровней триптофана и треонина у пациентов с COVID-19 разных групп было незначительным.

Ацетилкарнитины играют существенную роль в энергетическом обмене и переносе жирных кислот в митохондрии. Дисбаланс ацетилкарнитинов при COVID-19 отмечен в ряде работ [3][13][17]. Респираторные вирусы типа вируса гриппа усугубляют накопление ацетилкарнитина; увеличение содержания ацетилкарнитинов в плазме пациентов с COVID-19 может быть обусловлено тем же механизмом [13].

Четкая корреляция с тяжестью COVID-19 зафиксирована также для цитруллина, орнитина, цистина, диметилглицина, АДМА, аланина, цистатиона, карнозина, 5-глутамилцистеина, аргинина.

Кроме того, при прогрессировании тяжести COVID-19 последовательно изменялись уровни содержания тирозина, аденозина, гистидина, креатинина, ТМФ, пролина, треонина, цитозина, СДМА, SAH, никотинамида, что согласуется с данными о корреляции путей биосинтеза тирозина с тяжестью протекания COVID-19 [19], а также о взаимосвязи между тяжелым течением COVID-19 и уровнями таких аминокислот, как фенилаланин, пролин, валин, глутамат, глутамин, триптофан, гистидин, аланин, лейцин, изолейцин, цистеин [20][21].

Нарушение синтеза и метаболизма аминокислот аргинина, треонина, орнитина, цитруллина и аланина у пациентов с COVID-19, особенно в условиях гипоксии, отмечено во многих работах [11][13][18][20][21]. Снижение в сыворотке пациентов с COVID-19 уровней глутамата, цитруллина, орнитина, глутамина, мочевины и фумарата, а также АДМА и СДМА связывали с нарушениями функции печени [16].

Метаболический профиль пациентов с COVID-19 в тяжелом состоянии (III группа) характеризовался значительно бóльшими изменениями по сравнению с I и II группами (таблица 3) и затрагивал все исследованные классы метаболитов, что свидетельствует о системных метаболических нарушениях, возникающих в результате развития COVID-19 и влияющих на функционирование различных органов и систем организма.

В метаболомном профиле пациентов с ЦШ отмечены повышенные уровни кинуренина, треонина, фенилаланина, глицина, 4-гидроксипролина, цитруллина, SAH, цитозина, цистатиона, ацетилкарнитина по сравнению с пациентами без ЦШ, что еще раз подчеркивает взаимосвязь этих соединений (особенно, кинуренина, фенилаланина и треонина) с тяжестью COVID-19 (таблица 4).

Аминокислота цитруллин вырабатывается практически исключительно энтероцитами и используется в качестве биомаркера массы и функции энтероцитов тонкой кишки. COVID-19 может инфицировать клетки кишечника человека, а также реплицироваться в линиях эпителиальных клеток кишечника и органоидных моделях толстой кишки человека, участвуя, таким образом, в распространении COVID-19 с повышенной виремией [22]. Исследование различий в уровнях аминокислот в плазме между острой стадией и стадиями выздоровления у людей с внебольничной пневмонией показало, что уровни аргинина и цитруллина в плазме снижаются [21], что согласуется с полученными нами данными.

Повышенные уровни цитозина в плазме у пациентов с COVID-19 могут быть связаны с ускользанием вируса от врожденного иммунитета [23], а метаболиты на основе цитозина являются координаторами клеточного метаболизма при COVID-19, и имеют большое значение для врожденного противовирусного иммунитета и эволюции вируса.

Метаболомные профили выживших и умерших пациентов различались прежде всего уровнями кинуренина, фенилаланина, треонина, цитруллина, креатина и креатинина, цистатиона, цистина, карнитина, гидроксилизина, цистеина, диметилглицина, АМФ, ТМФ, цитозина, лейцина, изолейцина, гистамина, гомоцистина, 5-глутамилцистеина, 2-кетоглутаровой, яблочной, и изолимонной, пировиноградной, молочной, мочевой, фумаровой и пантотеновой кислот, SAH, ацетилкарнитина, холевой кислоты, серотонина, дофамина, никотинамида, гипоксантина (таблица 5). Наблюдаемое значительное увеличение содержание креатина и креатинина в метаболомных профилях умерших пациентов по сравнению с выжившими свидетельствует о развитии почечной дисфункции [17].

Максимальные различия в метаболических профилях между выжившими и умершими пациентами зафиксированы для цистина, цистеина и диметилглицина. Снижение уровня диметилглицина у пациентов с неблагоприятным течением COVID-19 отмечено также Silvagno F, et al. [24].

Падение уровней глутатиона наблюдали [24][25] при заболеваниях, повышающих риск COVID-19, а возникающий дефицит глутатиона связывали с тяжестью протекания и смертью у пациентов с COVID-19. В нашем исследовании корреляции уровней глутатиона с развитием ЦШ или летальными исходами не наблюдалось, но установлена корреляция с цистином и цистеином — продуктами катаболизма глутатиона. Увеличение уровней цистина и цистеина в плазме пациентов с COVID-19 при усилении тяжести инфекции (от средней к тяжелой форме протекания инфекции) было зафиксировано также в работе [26]. L-цистин образуется во внеклеточном пространстве из восстановленного глутатиона, функционирует как общий маркер инфекции и может служить индикатором выработки глутатиона и активности его цикла в условиях окислительного стресса [24][26].

О дисбалансе цистина и цистеина в зависимости от тяжести заболевания COVID-19, иммунной активности и наличия сопутствующих заболеваний также сообщалось Páez-Franco JC [27]. Отмечается, что уровни цистина имеют решающее значение для борьбы с активными формами кислорода при COVID-19, а также при некоторых злокачественных новообразованиях. Корреляция уровня цистина с уровнями аланинаминотрансферазы и аспартатаминотрансферазы у пациентов с тяжелой формой COVID-19 может указывать на потенциальное участие печени в метаболизме цистеина и цистина при COVID-19, что может быть вероятным, поскольку этот орган является основным местом синтеза глутатиона и часто поражается при тяжелой форме COVID-19 [27].

Цистеин/цистин, цистеинилглицин/цистинилглицин и глутатион/глутатиондисульфид являются основными окислительно-восстановительными парами тиол/дисульфидного равновесия во внеклеточной жидкости, являясь биологическим индикатором возрастного снижения системного окислительно-восстановительного потенциала и его метаболического и функционального влияния на ткани, включая легкие [28]. COVID-19 нарушает цистин-цистеиновый цикл клетки и механизмы окислительно-восстановительного гомеостаза внеклеточных тиолов и способствует созданию прооксидантной среды в инфицированной ткани для процесса репликации вируса. Действительно, предпочтительное включение клеточного цистеина в вирусные белки, а не в глутатион клеточных белков наблюдается как общий механизм и при других типах вирусных инфекций [28].

Повышение уровня SAM в метаболомных профилях пациентов с высоким значением индекса комордбидности можно рассматривать как маркер риска поражения легких у больных COVID-19 и, возможно, как фактор, связанный с развитием воспалительного процесса, т.к. SAM и SAH являются индикаторами глобального трансметилирования и могут играть важную роль в качестве маркеров тяжести COVID-19 [29].

В литературе отмечается возможная специфичная для пола связь с тяжестью протекания и клиническими исходами при COVID-19 [30]. Отмечается, что мужчины имеют более высокий риск тяжелой формы заболевания COVID-19. Считается, что основным фактором, ответственным за это, является кинуреновая кислота (КК) — эндогенный лиганд арильного углеводородного рецептора (AhR). КК положительно связана с иммунными маркерами, особенно у мужчин, и отрицательно связана с количеством Т-клеток. При этом у женщин с COVID-19 наблюдали более сильную активацию Т-клеток, чем у мужчин. Стоит отметить, что активированный AhR является главным регулятором иммунных реакций и воспаления. Изменения в пути AhR опосредуют дифференциальный иммунный ответ у мужчин, особенно потому, что этот путь ингибируется тестостероном, уровень которого снижается у пожилых лиц мужского пола. Это согласуется с повышенной уязвимостью здоровых пожилых мужчин к активации AhR эндогенными соединениями. Сахарный диабет 2 типа и ожирение повышают активность лиганда AhR, а также увеличивают риск заражения COVID-19. При наличии обоих этих факторов возрастает риск цитокинового шторма в результате COVID-19 у пожилых мужчин. Таким образом, различия в иммунном ответе между полами связывают с метаболизмом кинуренина и КК. В нашем исследовании на основании моделей логистической регрессии среди соединений, на концентрацию которых оказывал влияние пол пациента, были выделены креатин (p<0,001), креатинин (p<0,001), кинуренин (p<0,001), аланин (p=0,025), глицин (p=0,049) и серин (p=0,045).

Согласно полученным результатам, наиболее ассоциированными с тяжестью протекания COVID-19 являются кинуренин, фенилаланин, цитруллин, треонин, креатин и креатинин. Максимальное различие в метаболомных профилях между выжившими и умершими пациентами отмечалось для цистина, цистеина и диметилглицина. Влияние коморбидности сказывалось на уровнях серина, цитидина, цитидинмонофосфата и SAH, а пол пациентов оказывал влияние на уровни аланина, глицина и серина.

Резюмируя полученные результаты, следует отметить, что COVID-19 оказывает наибольшее влияние на метаболические пути, связанные с метаболизмом аминокислот и соединений, входящих в цикл трикарбоновых кислот (лимонная, изолимонная и оротовая кислоты). Возникающее вследствие этого нарушение клеточного метаболизма аминокислот приводит к нарушению множества физиологических процессов и может быть одним из критических механизмов, лежащих в основе патогенеза COVID-19.

Насколько известно, это первое метаболомное исследование, проведенное с использованием биобанка со значительной выборкой пациентов из Санкт-Петербурга и Ленинградской области (РФ). Настоящее исследование стало возможным благодаря наличию биобанка в структуре СПб ГБУЗ "Городская больница № 40", что позволило своевременно получить и сохранить нужные образцы и объемы крови пациентов, а в затем сформировать оптимальные для исследования когорты пациентов.

Отношения и деятельность: все авторы заявляют об отсутствии потенциального конфликта интересов, требующего раскрытия в данной статье.