Differential prolonged multiomic responses to mRNA and inactivated virus COVID-19 vaccines

Resumo Técnico: Respostas Multiômicas Prolongadas Diferenciais às Vacinas de mRNA e de Vírus Inativado contra a COVID-19

Definição do Problema
Embora as vacinas contra o SARS-CoV-2 tenham sido fundamentais para controlar a pandemia, uma compreensão longitudinal abrangente das respostas do hospedeiro ao nível da biologia de sistemas permanece limitada. A literatura existente foca frequentemente na imunogenicidade (títulos de anticorpos) ou em efeitos colaterais de curto prazo, carecendo de uma perspectiva multiômica que integre transcriptômica, metabolômica, lipidômica e perfil de citocinas ao longo do tempo. Além disso, comparações diretas entre os mecanismos moleculares subjacentes a diferentes plataformas de vacinas — especificamente a baseada em mRNA (BNT162b2) versus a CoronaVac de vírus inativado — são escassas. Este estudo aborda a lacuna na compreensão de como essas distintas modalidades alteram diferencialmente o panorama multiômico do hospedeiro e como essas alterações se correlacionam com a durabilidade e a intensidade das respostas imunes.

Metodologia
O estudo empregou um desenho de coorte prospectivo envolvendo 553 participantes adultos em Hong Kong (274 recebendo BNT162b2 e 279 recebendo CoronaVac). Os participantes eram soronegativos para SARS-CoV-2 (confirmado via antígeno ORF8) e não possuíam histórico de vacinação prévia.

• Amostragem Longitudinal: Amostras de sangue foram coletadas em três momentos: linha de base (pré-vacinação), um mês após a segunda dose e seis meses após a segunda dose.
• Perfil Multiômico:
  • Transcriptômica: Sequenciamento de RNA de Células Mononucleares do Sangue Periférico (PBMCs) para analisar a expressão gênica.
  • Metabolômica & Lipidômica: Análise não direcionada de plasma usando plataformas LC-MS/MS para quantificar metabólitos e lipídios.
  • Perfil de Citocinas: Quantificação de citocinas inflamatórias via imunoensaio baseado em citometria de fluxo.
  • Imunogenicidade: Níveis de anticorpos neutralizantes foram medidos usando testes de neutralização de vírus substitutos (sVNT) e ELISA contra o domínio de ligação ao receptor (RBD) da proteína spike do SARS-CoV-2.
• Análise Estatística & Computacional:
  • Análise Diferencial: Modelos lineares de efeitos mistos (Limma/Voom para RNA-seq; GLM para metabólitos/lipídios) foram usados para avaliar mudanças longitudinais, ajustando para idade, sexo e efeitos de lote.
  • Análise de Vias: Análise de Enriquecimento de Conjunto de Genes (GSEA) usando Módulos de Transcrição Sanguínea (BTMs) e conjuntos Hallmark; análise de via KEGG para metabólitos.
  • Análise de Rede: O banco de dados STRING e redes de correlação de Spearman (visualizadas via Gephi) foram usados para mapear interações gene-metabólito-lipídio-citocina.
  • Modelagem Preditiva: Aprendizado de máquina (Random Forest com seleção de características Boruta) foi aplicado aos dados multiômicos de linha de base para prever a imunogenicidade pós-vacinação (níveis de anticorpos) e a durabilidade (taxa de declínio de anticorpos).

Principais Resultados

1. Assinaturas Multiômicas Divergentes:

   • Magnitude da Mudança: A BNT162b2 induziu mudanças significativamente mais profundas e generalizadas em todas as camadas ômicas em comparação com a CoronaVac. Em um mês, a BNT162b2 alterou 563 transcritos, 50 metabólitos e 48 lipídios, enquanto a CoronaVac alterou apenas 45 transcritos, 25 metabólitos e 14 lipídios.
   • Polarização Imune: A BNT162b2 regulou fortemente positivamente vias associadas à imunidade adaptativa (ativação de células T, enriquecimento de células B, assinaturas de células NK) e respostas antivirais (Interferon Tipo I, sinalização de TLR). Em contraste, a CoronaVac provocou uma elevação modesta em vias de imunidade inata (assinaturas de monócitos e células dendríticas).
   • Supressão da Função Neural: Um achado distinto foi a regulação negativa de genes relacionados à função neural (ex: FOSL1, AREG, LHX3, EP300) e metabólitos (ex: D-Esfingosina, Esfingomielinas) especificamente no grupo BNT162b2. Essas mudanças não foram observadas no grupo CoronaVac e persistiram até certo ponto aos seis meses.

2. Durabilidade e Persistência:

   • Durabilidade de Anticorpos: Os receptores de BNT162b2 mantiveram níveis de anticorpos neutralizantes significativamente mais altos aos seis meses em comparação com os receptores de CoronaVac, cujos níveis retornaram majoritariamente à linha de base.
   • Persistência Ômica: As perturbações multiômicas induzidas pela BNT162b2 foram mais duráveis. Aos seis meses, 52 dos 563 transcritos alterados e a maioria dos metabólitos/lipídios alterados permaneceram significativamente diferentes da linha de base no grupo BNT162b2, comparado a apenas 21 transcritos e menos mudanças metabólicas no grupo CoronaVac.
   • Correlação com o Declínio: Marcadores transcriptômicos persistentemente regulados negativamente (ex: PGLYRP1, LHX3) no grupo BNT162b2 correlacionaram-se positivamente com o declínio relativo nos níveis de anticorpos, sugerindo um vínculo entre assinaturas moleculares específicas e o enfraquecimento da imunidade.

3. Interação (Crosstalk) Multiômica:

   • Complexidade de Rede: O grupo BNT162b2 exibiu uma rede de interações mais densa e complexa entre genes, lipídios e metabólitos, particularmente envolvendo Lisofosfatidilcolina (LPCs) e Esfingomielinas (SMs). Este crosstalk foi associado tanto à maior imunogenicidade quanto à maior durabilidade.
   • Mediadores Lipídicos: Lipídios específicos, como LPC (18:2), foram identificados como características únicas correlacionadas tanto com a imunogenicidade elevada quanto com a durabilidade no coorte BNT162b2. Em contraste, as respostas da CoronaVac mostraram um espectro mais estreito de associações metabólicas.

4. Modelagem Preditiva:

   • Perfis multiômicos de linha de base puderam prever desfechos pós-vacinação. Modelos de aprendizado de máquina alcançaram valores de Área Sob a Curva (AUC) variando de 0,65 a 0,84 para prever a imunogenicidade e a durabilidade.
   • Dados transcriptômicos foram o tipo de característica selecionado com maior frequência entre os modelos, indicando seu papel dominante na previsão da resposta vacinal.

Significância e Alegações
Os autores afirmam que este estudo fornece insights cruciais sobre as distinções mecanísticas entre vacinas de mRNA e de vírus inativado. As principais contribuições são:

• Diferenciação Mecanística: O estudo delineia que as vacinas de mRNA (BNT162b2) impulsionam uma resposta imune adaptativa robusta e duradoura, acompanhada de reprogramação metabólica significativa e modulação transitória de vias neurais, enquanto as vacinas inativadas (CoronaVac) primariamente desencadeiam vias de imunidade inata com menor perturbação ômica sistêmica.
• Direcionadores de Durabilidade: A pesquisa sugere que a durabilidade superior da vacina de mRNA está ligada a modificações sustentadas de genes imunes e um crosstalk específico entre lipídios e metabólitos (particularmente envolvendo esfingolipídios e LPCs).
• Vacinação Personalizada: A capacidade de perfis multiômicos de linha de base preverem o desempenho individual da vacina (AUC 0,65–0,84) apoia a integração de dados multiômicos para personalizar estratégias de vacinação. Os autores defendem o uso desses perfis para otimizar os resultados de saúde pública, particularmente para populações vulneráveis, alinhando as modalidades de vacina com os paisagens imunes individuais.

O artigo mantém um tom modesto quanto às implicações clínicas, observando que, embora mudanças moleculares relacionadas a neurônios tenham sido observadas no sangue periférico, a evidência atual não apoia um risco clínico direto de doença neurológica decorrente da vacina, sendo necessária validação experimental adicional para compreender os impactos subclínicos de longo prazo.