Een nieuw bio-informaticaonderzoek in Medicine (29 augustus 2025) suggereert dat N7-methylguanosine (m7G)-gemedieerde RNA-modificaties een sleutelrol spelen in de aanhoudende klachten bij long COVID (LC). De auteurs analyseerden openbare expressiedata (GEO: GSE224615 en GSE217948) en koppelden die aan een vooraf samengestelde lijst van m7G-regulerende genen. Zo vonden zij 30 LC-specifieke kandidaten, afwijkingen in immuuninfiltratie en—cruciaal—een compact zevengenen-model dat LC vroegtijdig onderscheidt van controles.
De studie startte met kwaliteitscontrole en differentiële expressieanalyse in GSE224615 (23 LC, 13 controles). Er werden 65 differentieel tot expressie komende genen (DEGs) gevonden, waarvan 44 verhoogd en 21 verlaagd. De intersectie met m7G-regulatoren leverde 30 overlappende genen op. Netwerkanalyse (STRING) en verrijkingsanalyses (GO/KEGG/GSEA) wezen op processen die opvallend goed passen bij bekende LC-mechanismen: activering van FceRI-gemedieerde NF-κB-signalen (inflammatie), routes rond plaatjesaggregatie en stolling, en paden die door SARS-CoV-2 de gastheertranslatie beïnvloeden. Dit sluit aan bij literatuur over microklontering, endotheelactivatie en persisterende ontsteking bij LC.
De immunologische context werd in kaart gebracht met CIBERSORT, ssGSEA en ESTIMATE. Opvallend waren meer naïeve B-cellen, minder geheugencellen binnen het B-celcompartiment en verschillen in CD8-T-cellen. Ook lagen de samengestelde immuunscores hoger bij LC. Deze verschuivingen ondersteunen het idee dat veranderde RNA-methylatie samenhangt met een afwijkende en mogelijk minder efficiënte immunologische geheugenopbouw na SARS-CoV-2.
Voor klinische toepasbaarheid selecteerden de auteurs met LASSO-regressie 7 kernmarkergen(en): ADRA2A, CA1, CHD5, CLDN9, ITGAD, SERPINE1 en TNFRSF17 (BCMA). Met deze set bouwden zij een logistiek regressiemodel en een nomogram. In de trainingssetting presteerde het model uitstekend (C-index 0,936; 95% BI 0,856–1,000). Externe validatie in GSE217948 (334 COVID-positief, 62 controles) bevestigde expressietrends van een deel van de genen en toonde bruikbare ROC-curven. Functioneel gezien zijn vooral SERPINE1 (PAI-1; stollingsbalans en fibrinolyse) en TNFRSF17/BCMA (B-celrijping en antilichaamrespons) biologisch plausibele spilfactoren in respectievelijk stollings- en immuunroutes die vaak bij LC worden genoemd.
Wat betekent dit?
Het werk wijst m7G-methylatie aan als een potentiële ‘knooppuntlaag’ tussen virus-gastheerinteracties, immuunontregeling en hypercoagulabiliteit. Een compact paneel van zeven genen zou, na verdere validatie, kunnen helpen om mensen met risico op LC vroeg te identificeren of om fenotypes binnen LC te differentiëren (bijv. inflammatoir/stollingsgedreven). Tegelijkertijd blijft voorzichtigheid geboden: het gaat om secundaire analyse van bestaande datasets, met mogelijke batch- en selectie-bias, en de modelontwikkeling vond in wezen in één setting plaats. Prospectieve, multicentrische validatie (met klinische eindpunten en gestandaardiseerde tijdstippen na infectie) en functionele experimenten zijn de volgende noodzakelijke stappen.
Link naar het oorspronkelijke artikel:
https://journals.lww.com/md-journal/fulltext/2025/08290/regulation_of_m7g_methylation_in_long_covid_.69.aspx
Nader toegelicht
- m7G (N7-methylguanosine): wijdverbreide RNA-modificatie; zit o.a. in de 5′-cap van mRNA en kan ook intern in tRNA/rRNA/mRNA voorkomen. Stuurt RNA-stabiliteit, transport en translatie.
- RNA-methylatie: chemische modificaties (zoals m6A, m7G) die de ‘leesbaarheid’ en functie van RNA regelen zonder de genetische code te veranderen.
- GEO / GSE-nummers: publieke databank (Gene Expression Omnibus) met genexpressie-studies; GSE-codes duiden specifieke datasets aan.
- DEGs: ‘differentially expressed genes’; genen waarvan de expressie significant verschilt tussen groepen.
- GO/KEGG/GSEA: analysemethoden om genen te koppelen aan biologische processen en pathways; GSEA test of genensets als geheel verrijkt zijn.
- CIBERSORT / ssGSEA / ESTIMATE: rekenmethoden die uit bulk-RNA-data afleiden welke immuuncellen aanwezig zijn en hoe ‘immuunrijk’ een monster is.
- PPI-netwerk (STRING): kaart interacties tussen eiwitten om potentiële ‘hub’-genen te vinden.
- LASSO-regressie: statistische methode die de beste voorspelvariabelen selecteert door minder informatieve variabelen richting nul te trekken.
- ROC-curve / C-index: maat voor discriminatie van een model; hoe hoger, hoe beter de scheiding tussen ziek en niet-ziek.
- Nomogram: visueel hulpmiddel om risicoschatting op individueel niveau te maken.
- SERPINE1 (PAI-1): remmer van fibrinolyse; hogere waarden worden gelinkt aan tromboseneiging en metabole stress.
- TNFRSF17 (BCMA): receptor op B-cellen/plasmacellen; relevant voor B-celmaturatie en antistofrespons.
