文献信息
标题：Proteomic profiling of single extracellular vesicles reveals colocalization of SARS-CoV-2 with a CD81/integrin-rich EV subpopulation in sputum from COVID-19 severe patients
日期及杂志：12 May 2023, Frontiers in Immunology
作者及单位：Ruiting Sun, National Center for Respiratory Medicine, State Key Laboratory of Respiratory Disease, National Clinical Researcher Center for Respiratory Diseases, Guangzhou Institute of Respiratory Health, The First Affifiliated Hospital of Guangzhou Medical University, Guangzhou, Guangdong, China
文献概述(这篇文献的结论是什么？)
本文收集了10例COVID-19患者和10例健康对照组的痰液样本，从痰液和VeroE6细胞上清液中分离出细胞外囊泡（EV）。SARS-COV-2病毒的透射电镜图像显示病毒粒子周围有EV样囊泡。对SARS-COV-2感染的VeroE6细胞上清中提取的EV进行免疫印迹分析，结果显示它们表达了SARS-COV-2蛋白，这些EV具有SARS-COV-2的传染性，添加后可导致正常VeroE6细胞的感染和损伤。研究发现，从COVID-19患者痰液中提取的EV携带SARS-CoV-2 N蛋白（病毒的核衣壳蛋白），并与炎症因子的表达相关。研究人员认为，由CD81调节的EVs，可能在病毒感染和免疫反应中发挥作用。
文章亮点(这篇文献的优点在哪？)
文章中通过SARS-CoV-2 N蛋白与炎症因子的共表达关系揭示EV可能参与COVID-19感染的免疫反应
文章中首先通过透射电镜发现病毒粒子与EV存在共定位，然后通过SARS-CoV-2 N蛋白与蛋白亚群的共表达关系对共定位的亚群进行鉴定和进一步的分析
我的疑问(这篇文献的不足在哪？)
在使用PBA技术分析蛋白质组时存在一些限制，PBA技术只能分析面板中设计的200+种蛋白质，这在一定程度上限制了对所有蛋白质的分析。
实验只进行了一次时间点的观察，并没有观察其他时间点或患者的预后情况。
文章中提到的受CD81调控的EVs更有可能与SARS-CoV-2感染后的肺部微环境变化有关，但这也需要在后续实验中进行验证
和我相关(我从这篇文献里学到了什么？)
可借鉴的文章分析流程：
使用无监督机器学习算法FlowSOM对EVs进行聚类，根据EVs的蛋白质特征进行分类。
确定最佳可分离性的聚类数目。
在t-SNE图中观察EVs的蛋白质相似性，并量化每个亚群的比例。
对蛋白质亚群进行分析。
在nCOV组和HC组之间进行差异分析和可视化。
选择SARS-CoV-2 N蛋白与EV蛋白质的共表达，进行分析以预测病毒-EV的关联。
分析EVs在COVID-19患者中的特征和功能，包括EV数量、蛋白质表达和免疫应答。
探索EVs在SARS-CoV-2传播和肺部微环境中的作用。
提出EVs与SARS-CoV-2感染的相关机制和潜在治疗靶点。
