Covid-19：中性粒细胞胞外陷阱的可能作用 (NETSINCOVID)

中性粒细胞将 DNA 与各种蛋白质一起排出到外部，形成称为中性粒细胞胞外陷阱 (NETs) 的网络结构的过程构成了一种特殊的细胞死亡，涉及在质膜之前破坏核膜。 这个过程称为 NETosis，不同于其他已知的细胞死亡形式，例如坏死和细胞凋亡。

2004 年，Brinkman 首次描述了 NETs 射出导致的中性粒细胞死亡 (NETosis)。

NETs，顾名思义，是一种由DNA纤维、组蛋白和来自中性粒细胞颗粒的蛋白质组成的网络，其主要功能是捕获病原体（主要是细菌和真菌）。这个过程与先天免疫有关.

但是，如果以夸大的方式激活此过程，则意味着其本身会受到局部或全身性损害。

在此过程中排出的 DNA 是双链 DNA，一种 dsDNA 亚型。 dsDNA 代表循环中可用 DNA 的一小部分（无细胞 DNA - cfDNA），起源于细胞死亡的各种过程，因此与组织损伤程度相关。 它仅以少量存在于健康受试者中。

重要的是要强调在 NETosis 过程中细胞氧化还原状态如何改变，导致氧自由基（活性氧物种，ROS）的过量产生和 NADPH 氧化酶的激活。 NETs 的形成，以及 NETosis 的过程，最初是在细菌感染的背景下研究的，但随后它们在癌症、自身免疫性疾病、肺病、动脉粥样硬化和静脉血栓栓塞性疾病等其他疾病中的作用变得越来越明显。

特别是，NETosis 似乎在所有以静脉和动脉血栓形成为特征的病症中发挥重要作用，正如许多证据所证实的那样。

NETosis 也被记录在微血管水平，例如血管炎、血栓性微血管病，如 Moschowitz 综合征。

众所周知，病毒能够逃避人体的免疫反应。 最近发现它们也可以作为 NETosis 过程的触发器。

事实上，许多病毒可以刺激中性粒细胞产生 NET。 已经观察到中性粒细胞的不同反应，从经典的 NETosis 到抗病毒药物的产生，甚至转变为细胞凋亡。

病毒诱导的 NET（因此是 dsDNA、组蛋白、颗粒蛋白的复合物）可以开始以不受控制的方式循环，导致身体产生极端的全身反应，产生免疫复合物、细胞因子、干扰素 I 等。

NETosis 似乎与炎症反应密切相关。 例如，众所周知，在中性粒细胞中，PAD4 蛋白存在于细胞核中，它使染色质去浓缩并有利于 NET 的形成。 另一方面，如支气管肺泡灌洗液研究中观察到的那样，急性呼吸窘迫综合征 (ARDS) 患者以及 COPD 恶化期间急性呼吸衰竭患者的 NETs 增加。

因此，很明显，病毒引起的 NETosis 是一把双刃剑：如果一方面存在病毒的机械诱捕，另一方面，由 NETs 释放引发的炎症和免疫反应本身可能是有害的。

迄今为止，文献中很少有关于 NETs 在 Covid-19 感染中的作用的数据，Covid-19 感染是一种病毒感染，可导致高致死性间质性肺炎，目前尚无疫苗或特异性疗法。 Covid-19 的晚期形式通常以伴随 ARDS 样疾病发展的过度炎症（“细胞因子风暴”）为特征。 此外，关于微观和宏观血栓形成现象的报道越来越频繁，例如微血管病、肺栓塞（这导致对 Covid-19 患者的抗血栓预防和/或凝血进行了仔细的评估程序）。

研究目的 本研究的主要目的是了解 NETs 是否与对 Covid-19 的反应有关，以及通过何种机制。 具体的治疗建议可以源自对这种先天免疫形式的了解和增强。

为此，有必要评估 NETosi 在 Covid-19 患者中的活动，并评估疾病的临床过程（恶化与治愈）是否决定了 NETosi 活动的程度。 因此，将研究 Covid-19 死亡率/存活率与 NETs 活动之间的关系。

次要目标涉及研究 NETosi 标志物和炎症生物体液指标之间以及 NETosi 标志物与外周或深静脉血栓形成之间的各种关联的可能性。

最后，将评估 Covid-19 患者的血浆在体外触发 NETosis 过程的可能性。

计划的程序和收集的信息 体检：（血压、心率和 SpO2，这将允许评估精确的 PaO2 / FiO2 比率）。

与正常临床实践一样，Covid-19患者将接受静脉取样，以确定血细胞计数、肌酐、血脂谱、PCR、D-二聚体、LDH、肝功能指数和血糖。

将为每个受试者制定准确的病史。 患者将接受：心电图和胸部 X 光检查，在选定的情况下，根据他们的临床需要进行胸部 CT 扫描。

他们还将接受静脉回声彩色多普勒下肢检查。 不需要对静脉轴进行完整的分析。 NETosis 标记 (Cf-DNA. MPO-DNA、Cit-H3) 和细胞因子 IL-6 和 IL-1β 将从受试者的血浆中进行分析。

将收集唾液样本（或支气管肺泡液，如果需要用于诊断-治疗目的），并将评估在电子显微镜下对 NET 的检测。

将请求知情同意。

样本计算 样本量是根据 2020 年 3 月至 4 月的 Covid-19 入学人数和当期人数减少来确定的。

预计将招募 100 名受试者（50 名患者和 50 名对照）。

统计分析假设统计分析：将通过描述性统计收集数据。 估计值将附有适当的 95% 置信区间。 统计显着性水平设定为 5%。 将使用统计程序 Stata 14.2。 计划检验：t检验和Mann-Whitney检验。 相关性将通过 Pearson 或 Spearman 系数进行评估。 此外，Kaplan-Meier 分析将使用 Log-Rank 检验和 Cox 回归进行生存分析。