唾液拉曼 COVID-19 指纹
表征唾液的 COVID-19 拉曼特征作为快速鉴别 SARS-CoV-2 感染和严重程度的潜在工具
由 SARS-CoV-2 感染引起的 2019 年冠状病毒病 (COVID-19) 爆发已迅速蔓延成为全球大流行病。 全球研究的重点是了解生化感染机制，以及发现一种快速、灵敏且廉价的诊断工具，能够将当前和过去的 SARS-CoV-2 感染与微创生物流体区分开来。 COVID-19 的快速诊断对于限制和隔离阳性病例、通过及时干预减少感染传播至关重要。
该项目的目的是表征和验证 COVID-19 的唾液拉曼指纹，了解涉及三个实验组差异的主要生物分子：1）健康受试者，2）COVID-19 患者和 3）具有过去感染 COVID-19。 大量拉曼数据将用于创建唾液拉曼数据库，将每个数据与收集到的相关临床数据相关联。
从纳米医学和临床生物光子学实验室 (LABION) - IRCCS Fondazione Don Gnocchi Milano 的初步结果和方案开始，将使用拉曼光谱分析从每个实验组收集的唾液。 所有数据都将针对基线、偏移和归一化进行处理，以便使收集的信号均匀化并以此方式创建拉曼数据库。 从每组计算出的平均光谱将被表征，确定造成光谱差异的主要生物分子家族。
预期结果：验证在唾液样本上使用拉曼光谱来识别受 COVID-19 影响的受试者的可能性。 该项目的主要目的是创建一个分类模型，能够：区分 COVID-19 当前和过去的感染，识别感染期间唾液中改变的主要生物分子，预测新诊断的 COVID-19 患者的临床过程，翻译和将分类模型应用于便携式拉曼以测试护理点。
研究概览
详细说明
背景/理由：由 SARS-CoV-2 感染引起的 2019 年冠状病毒病 (COVID-19) 爆发已迅速蔓延成为全球大流行病。 全球研究的重点是了解生化感染机制，以及发现一种快速、灵敏且廉价的诊断工具，能够将当前和过去的 SARS-CoV-2 感染与微创生物流体区分开来。 COVID-19 的快速诊断对于限制和隔离阳性病例、通过及时干预减少感染传播至关重要。 此外，呼吸道感染严重程度的预测对于快速识别和区分轻度临床过程、重度疾病和急性呼吸窘迫综合征 (ARDS) 至关重要。 SARS-CoV-2 的首批感染部位之一是口腔，病毒能够结合并穿透存在于唾液腺上皮细胞上的 ACE2 受体。 因此，在感染的初期阶段，可以在唾液中发现高浓度的病毒颗粒。 唾液是一种复杂的生物流体，由生物活性分子组成，可以通过真正微创的程序收集。 拉曼光谱是一种非侵入性、快速且无标记的振动技术，能够提供有关特定生物流体中存在的所有生化物质的存在、浓度、环境、修饰和相互作用的信息。 使用拉曼光谱，研究人员将分析从健康受试者、受 COVID-19 影响的患者和过去感染 COVID-19 的受试者收集的唾液。 收集的数据将被分析并用于创建拉曼数据库，该数据库能够提供基于机器学习的分类模型。 监测和表征潜在唾液 COVID-19 指纹的可能性对于监测和区分当前和过去感染健康受试者的 COVID-19 受试者至关重要。
目标：该项目的目的是表征和验证 COVID-19 的唾液拉曼指纹，了解参与三个实验组之间差异的主要生物分子：1) 健康受试者，2) COVID-19 患者和 3) 受试者过去感染过 COVID-19。 大量拉曼数据将用于创建唾液拉曼数据库，将每个数据与收集到的相关临床数据相关联。 拉曼数据库将用于通过在主成分分析和线性判别分析方面应用多变量分析来创建分类模型。 该分类模型将为区分 COVID-19 状况提供快速工具，还可能提供有关患者呼吸临床病程的信息。 该模型将转化为应用于便携式拉曼光谱仪，从而创建拉曼护理点 方法：从纳米医学和临床生物光子学实验室 (LABION) - IRCCS Fondazione Don Gnocchi Milano 的初步结果和协议开始, 从每个实验组收集的唾液将使用拉曼光谱进行分析。 所有数据都将针对基线、偏移和归一化进行处理，以便使收集的信号均匀化并以此方式创建拉曼数据库。 从每组计算出的平均光谱将被表征，确定造成光谱差异的主要生物分子家族。 依次对所有光谱进行多变量分析（主成分分析和线性判别分析），得到分类模型。 LOOCV 将用于分类模型的训练，将使用子集验证分析对其进行质疑。 偏相关系数（Pearson 和 Spearman 相关性）将用于拉曼与临床参数（例如 COVID-19 临床过程）作为对照协变量受试者的年龄和性别。 然后，分类模型将被转换并用作护理点，使用配备有 785 nm 激光发射的便携式拉曼光谱，具有可比的光谱分辨率。
- 样本收集：将按照制造商的说明使用 Salivette（德国 SARSTEDT）收集唾液。 将棉签插入受试者口中并咀嚼 60 秒。 唾液收集将通过拭子离心（1000 g x 2 分钟）来实现，记录所有相关参数（储存温度和收集与分析之间的时间）。 所有收集程序将在最后一次用餐和刷牙后至少两小时进行。
- 样品处理：分析前，将唾液 (3 ul) 放在铝箔上并干燥过夜。 铝箔是实现表面增强拉曼散射、增加唾液拉曼信号的基础。
- 数据收集：将使用 Aramis 拉曼显微镜（Horiba Jobin-Yvon，法国）获取拉曼光谱，该显微镜配备在 785 nm 下以 100% (512mW) 激光功率运行的激光光源。 采集时间将设置为 30 秒，双采集和 2 秒延迟时间，以防止伪光谱的形成。 在每次分析之前，仪器将使用硅的参考带进行校准。 所有信号都将在 400 和 1600 cm-1 之间的区域以 0.8cm-1 的分辨率获取，按照方形图获取至少 25 个光谱。 软件包 LabSpec 6 (Horiba Jobin-Yvon) 将用于地图设计和光谱采集。
- 数据分析：所有数据将使用四次多项式曲线拟合以设置基线并使用单位向量连续归一化。 将从每个光谱中去除铝的贡献。 将使用多变量方法进行统计分析。 简而言之，将应用主成分分析和线性判别分析来提取主成分和典型变量。 这些特征将用于留一法交叉验证 (LOOCV)、子集验证以及与临床参数的相关性。 Mann-Whitney 将在 PC 分数上执行，以验证分析组之间统计相关的差异。 分析将使用 Origin 软件（OriginLab，美国）进行
- 相关性：将对提取的变量和临床参数执行与 Pearson 和 Spearman 系数的部分相关，使用受试者的年龄和性别作为控制协变量。 只有 p < 0.001 的值才会被视为具有统计相关性。
- 翻译：数据和分类模型将应用于便携式拉曼光谱仪，该光谱仪配备发射波长为 785 nm 的激光，光谱分辨率与之前分析所用的光谱分辨率相当。
研究类型
注册 (预期的)
联系人和位置
学习联系方式
- 姓名：Marzia Bedoni, PhD
- 电话号码：+39 0240308874
- 邮箱：mbedoni@dongnocchi.it
研究联系人备份
- 姓名：LABION laboratory
- 电话号码：+39 0240308533
- 邮箱：labion@dongnocchi.it
学习地点
-
-
-
Milano、意大利、20100
- 招聘中
- Farmaacquisition srl
-
接触：
- Maria Langerame
- 邮箱：maria.langerame@alliance-retail.it
-
Milano、意大利、20100
- 主动，不招人
- Università degli Studi di Milano-Bicocca
-
-
BS
-
Rovato、BS、意大利、25038
- 招聘中
- Fondazione Don Carlo Gnocchi, Centro Spalenza
-
接触：
- Luca C Bianchi, MD
- 电话号码：+39 03072245414
- 邮箱：lubianchi@dongnocchi.it
-
副研究员：
- Luca C Bianchi, MD
-
-
MI
-
Milano、MI、意大利、20148
- 招聘中
- IRCCS Fondazione Don Carlo Gnocchi, Santa Maria Nascente Hospital (Milano)
-
接触：
- Marzia Bedoni, PhD
- 电话号码：+39 0240308874
- 邮箱：mbedoni@dongnocchi.it
-
接触：
- LABION laboratory
- 电话号码：+39 0240308533
- 邮箱：labion@dongnocchi.it
-
首席研究员：
- Marzia Bedoni, PhD
-
副研究员：
- Paolo I Banfi, MD
-
副研究员：
- Jorge Navarro, MD
-
-
Puglia
-
Bari、Puglia、意大利
- 招聘中
- Azienda Ospedaliera Universitaria Policlinico di Bari
-
接触：
- Paola Pierucci, MD
- 邮箱：paola.pierucci@policlinico.ba.it
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准：
- 通过鼻咽拭子对 SARS-CoV-2 呈阳性诊断 COVID-19
- 提供唾液分析的书面同意
- 年龄在 18 至 90 岁之间
排除标准：
- 正在进行的口腔细菌或真菌感染（例如 口腔念珠菌病）
- 年龄小于 18 岁且大于 90 岁
- 未提供书面同意
学习计划
研究是如何设计的？
设计细节
- 观测模型：病例对照
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
健康受试者
40 名健康受试者在年龄和性别方面与其他选定群体具有可比性，并且 SARS-CoV-2 检测呈阴性或在大流行事件之前收集
|
将通过拉曼光谱收集、处理和分析唾液。
获取的数据将被标准化和处理以创建分类模型。
|
|
COVID-19阳性
40 名受 COVID-19 影响的受试者，由 SARS-CoV-2 鼻咽试验阳性确定，并且与其他选定组的年龄和性别相当
|
将通过拉曼光谱收集、处理和分析唾液。
获取的数据将被标准化和处理以创建分类模型。
|
|
COVID-19 阴性
40 名受试者过去曾感染 SARS-CoV-2，并通过鼻咽 SARS-CoV-2 检测确定至少连续两次阴性，按年龄和性别与其他选定组进行比较
|
将通过拉曼光谱收集、处理和分析唾液。
获取的数据将被标准化和处理以创建分类模型。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
通过拉曼光谱鉴定和表征新的 COVID-19 唾液特征
大体时间：一天
|
对从受 COVID-19 影响且过去感染过的患者收集的唾液样本进行拉曼分析，将用于表征 COVID-19 特征，从而能够区分当前或过去感染的受试者
|
一天
|
|
评估实验组之间的光谱差异
大体时间：1个月
|
从实验组收集的拉曼数据将与文献中存在的大量关于生物流体的拉曼数据库进行比较和插值。
该程序将确定参与实验组之间差异的主要生化物种（例如
病毒结构蛋白和脂质、细胞因子、炎症分子、受损的生物分子）
|
1个月
|
|
通过多变量分析确定分类模型
大体时间：6个月
|
拉曼数据库将通过主成分分析和线性判别分析进行处理。
连续的留一法交叉验证将提供一个主要的鉴别模型，能够将每个光谱分配给一个实验组
|
6个月
|
|
与临床数据的相关性
大体时间：一天
|
与当前或过去感染 SARS-CoV-2 的受试者相关的拉曼数据将与临床数据相关联，以这种方式验证我们的方法。
主要相关性将在呼吸道感染的严重程度与第一次 SARS-CoV-2 阳性检测和最后一次 SARS-CoV-2 检测阴性之间的时间之间进行。
|
一天
|
|
方法论测试
大体时间：一年
|
分类模型将使用新的潜在患者并添加新的临床参数作为“子组”不断进行质疑和训练，以实现对病理状态的完整辨别和预测。
|
一年
|
|
便携式拉曼作为护理点
大体时间：一年
|
表征和实施的分类模型将转化为便携式拉曼光谱仪，配备 785 nm 激光发射器，光谱分辨率可与台式拉曼光谱仪相媲美。
该站将首先对来医院的患者进行测试，然后不断应用新拉曼光谱和临床数据实施分类模型。
这样我们将高度实现模型的准确性、灵敏度、精密度和特异性。
|
一年
|
合作者和调查者
调查人员
- 学习椅：Marzia Bedoni, PhD、IRCCS Fondazione Don Carlo Gnocchi, Laboratory of Nanomedicine and Clinical Biophotonics
出版物和有用的链接
一般刊物
- Feng Z, Yu Q, Yao S, Luo L, Zhou W, Mao X, Li J, Duan J, Yan Z, Yang M, Tan H, Ma M, Li T, Yi D, Mi Z, Zhao H, Jiang Y, He Z, Li H, Nie W, Liu Y, Zhao J, Luo M, Liu X, Rong P, Wang W. Early prediction of disease progression in COVID-19 pneumonia patients with chest CT and clinical characteristics. Nat Commun. 2020 Oct 2;11(1):4968. doi: 10.1038/s41467-020-18786-x.
- Carlomagno C, Cabinio M, Picciolini S, Gualerzi A, Baglio F, Bedoni M. SERS-based biosensor for Alzheimer disease evaluation through the fast analysis of human serum. J Biophotonics. 2020 Mar;13(3):e201960033. doi: 10.1002/jbio.201960033. Epub 2020 Jan 1.
- Carlomagno C, Banfi PI, Gualerzi A, Picciolini S, Volpato E, Meloni M, Lax A, Colombo E, Ticozzi N, Verde F, Silani V, Bedoni M. Human salivary Raman fingerprint as biomarker for the diagnosis of Amyotrophic Lateral Sclerosis. Sci Rep. 2020 Jun 23;10(1):10175. doi: 10.1038/s41598-020-67138-8.
- Gualerzi A, Niada S, Giannasi C, Picciolini S, Morasso C, Vanna R, Rossella V, Masserini M, Bedoni M, Ciceri F, Bernardo ME, Brini AT, Gramatica F. Raman spectroscopy uncovers biochemical tissue-related features of extracellular vesicles from mesenchymal stromal cells. Sci Rep. 2017 Aug 29;7(1):9820. doi: 10.1038/s41598-017-10448-1.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.