长期新冠的表现不同于典型疾病。对许多人而言，感染虽已结束，但疾病并未终结。数周乃至数月过去，症状依然主导着日常生活。
疲劳限制了行动能力，呼吸困难打断了日常任务。记忆不经意间出现闪失。患者常辗转于各诊所却得不到明确诊断，而医生面对的是一种拒绝简单归类的病症。
这种感染与康复之间的鸿沟，促使科学家重新思考长期新冠的作用机制。研究人员不再追问症状为何持续，而是探究体内哪些变化使症状得以延续。
一项来自澳大利亚的重大研究为此问题带来新见解，并将焦点转向基因、分子信号及大规模数据。
持续不退的新冠症状
长期新冠指感染后持续超过四周的症状。许多患者报告休息无法缓解的精疲力竭；另一些人则苦于呼吸急促、胸部不适或影响注意力和记忆的认知功能下降。
部分患者会发展出心脏并发症或数月后才显现的神经问题。这些影响常扰乱工作、家庭生活及独立性。康复过程极少一帆风顺，改善可能毫无征兆地停滞。
自2020年以来，全球约4亿人经历过长期新冠。该病症现估计造成每年1万亿美元的全球成本，反映了生产力损失、医疗支出及长期支持需求。
基因塑造长期新冠
由南澳大利亚大学科学家领导的研究团队着手识别该病症的生物学驱动因素。
团队未依赖小型临床研究，而是整合了100多项国际研究的遗传与分子数据。
这种综合分析揭示了32个增加罹患长期新冠可能性的基因，其中13个此前从未与该疾病建立关联。
许多已识别基因影响免疫活动、炎症及组织修复——这些过程塑造了感染清除后身体的长期反应。
一项关键发现涉及FOX P4基因的变异体。该基因在免疫调节和肺功能中发挥作用。
该变异体似乎提高了对长期新冠的易感性，为部分患者持续存在的呼吸道症状提供了可能解释。
解码人体数据
研究人员依赖被称为"组学数据"的大型生物数据集。这些数据集捕捉基因、蛋白质、代谢物及基因表达的活动。
单独来看，此类数据集令传统分析方法难以招架。先进的生物信息学与人工智能则破解了这种复杂性。
计算模型使研究人员得以整合数据层级，在人群和研究中识别共享的分子模式。
"这些发现标志着迈向更精准诊断和治疗方法的重大一步，"南澳大利亚大学阿德莱德分校的辛迪·皮内罗表示。
"长期新冠极其复杂。它影响多个器官，症状高度多变，且无单一最终诊断标志物。
然而，通过运用计算模型整合全球数据，我们开始揭示疾病的稳定分子特征，并识别指向新治疗靶点的生物标志物。"
该方法将长期新冠研究从孤立症状转向连接这些症状的潜在生物学过程。
长期新冠导致持久症状
综述识别出数十个与免疫功能障碍和持续炎症相关的生物标志物。它还突显了线粒体和代谢异常，表明细胞持续处于应激状态。
研究人员发现71个感染一年后仍保持活跃的分子开关。这些开关控制特定基因的开启或关闭。
同时出现1500多个基因表达谱的改变，许多与免疫平衡和神经功能相关。
此类变化有助于解释为何病毒消失后症状依然存在。身体持续处于异常状态，由感染后未能重置的信号驱动。
早期识别风险
机器学习模型整合这些生物层级以预测长期风险。模型估算哪些患者面临持久并发症，以及症状如何随时间演变。
这种预测能力可能改变临床诊疗。更早识别高风险患者，可在症状根深蒂固前实施针对性监测和治疗。
"此计算框架不仅深化了我们对长期新冠的理解，还可能加速对慢性疲劳和纤维肌痛等其他后病毒症状的治疗探索，"黎德辉教授指出。
其影响超出单一疾病，指向后病毒研究的更广泛应用。
超越长期新冠的启示
黎德辉教授强调了传统生物医学研究的局限性。长期新冠涉及相互作用的系统，小型研究难以捕捉。
"传统生物医学研究无法跟上该病症的复杂性，"黎教授表示。
"通过将人工智能应用于全球数据集，我们能识别小型临床试验中不可见的因果关系——例如特定基因如何与免疫通路相互作用以驱动持续炎症。"
除长期新冠外，这项工作为应对未来大流行和慢性病提供了范本。
研究表明，当复杂性要求新工具时，全球数据共享、计算科学和分子生物学能比传统方法更快推进。
该研究发表在《PLOS计算生物学》和《临床实验室科学评论》期刊。
【全文结束】
