CC BY
228
НАУЧНЫ1Е0Б30РЫ1
Современная лабораторная диагностика и биомаркеры инфекционных болезней
и.п. Балмасова ГБОУ ВПО «Московский государственный медико-стоматологический
университет им. А.И. Евдокимова» Минздрава России
Одна из особенностей современных медицинских технологий заключается в стремлении к экономически оправданным, эффективным, точным и наименее инвазивным диагностическим методам. С этой точки зрения очень важно выявить патологию на самых ранних стадиях заболевания, что значительно снизит
необходимость использования высокоинвазивных диагностических методов, позволит своевременно наметить пути лечения, прогнозировать возможные исходы и вероятность рецидивов болезни. Поэтому одна из основных целей современного лабораторного диагноза - выявление биомаркеров заболеваний.
Ключевые слова:
биомаркеры,
инфекционные
болезни,
лабораторная
диагностика
Modern laboratory diagnostics and biomarkers of infectious diseases
I.P. Balmasova
Moscow State University of Medicine and Dentistry
One of the features of modern medical technologies is aiming at cost-effective, efficient, precise and less invasive diagnostic methods. From this perspective, it is important to detect pathology in the early stages of diseases, which greatly reduce need for invasive
diagnostic procedures and allow timely planning treatment plan ways to predict possible outcomes and chance of a recurrence. Therefore, one of the main goals of modern laboratory diagnosis is Identification of biomarkers of diseases.
Keywords:
biomarkers,
infectious
diseases,
laboratory
diagnostics
БИОМАРКЕРЫ БОЛЕЗНЕЙ КАК АКТУАЛЬНАЯ ПРОБЛЕМА МЕДИЦИНЫ
Определение биомаркеров служит важнейшим ресурсом, который может быть использован как индикатор биологических процессов, специфичных для каждого заболевания [2]. Биомаркеры могут включать различные объекты исследования: антитела, микробы, дезоксирибо-нуклеиновую кислоту (ДНК), рибонуклеиновую кислоту (РНК), липиды, метаболиты, белки. Изменения в их концентрации, структуре, функциях или активности ассоциированы с состоянием прогрессирования или регрессии заболевания и отражают, как организм реагирует на болезнь [3]. Применительно к инфекционным заболеваниям очень важно различать биомаркеры и суррогатные маркеры. Под суррогатными подразумевают маркеры, заменяющие специфические тесты для выявления возбуди-
теля инфекционного заболевания (например, повышение активности аланинаминотрансферазы (АЛТ) при гепатитах [4], использование в диагностике протеомных профилей [5], характеристика лекарственной устойчивости микробных возбудителей или состояния иммунной системы макроорганизма [6] и др.).
Будучи специфическим фактором, биомаркер чаще всего ориентирован на выявление причины инфекционного заболевания, кроме того, в современной лабораторной диагностике он широко используется для определения риска, прогнозирования и мониторинга заболевания [7, 8], а также как способ предикции успеха лечебных мероприятий [2]. Протоколы по разработке биомаркеров должны содержать исследования их чувствительности, специфичности, воспроизводимости. Для понимания значения биомаркера необходим анализ его участия в патогенезе заболевания, процессах выздоровления и реабилитации [9].
Биологический материал для выявления биомаркеров может быть самым разнообразным. Очень многие исследователи отдают предпочтение крови как источнику биомаркеров [5, 10]. Так, по образному выражению Y.T. Yeh и соавт. [11], плазму/сыворотку крови можно рассматривать как кладезь информации и источник огромного разнообразия биомаркеров, включая нуклеиновые кислоты, иммуноглобулины и другие белки, а также патогены для микробиологической диагностики. В последние годы серьезным конкурентом этому традиционному биологическому материалу стала слюна [1]. Некоторые авторы утверждают, что слюна - эффективный индикатор не только локальных, но и системных патологических процессов [12] - от рака до инфекционных заболеваний [13, 14]. Биомаркеры могут определяться в спинномозговой жидкости [15], моче [16], испражнениях [17], мокроте [18] и т.д.
Потенциальные биомаркеры в составе какого-то объекта исследования обычно обозначают с помощью суффикса «-омика»: микробиомика, геномика, эпигеномика, транскриптомика, микроРНКомика, протеомика, метабо-ломика [9].
МИКРОБИОМИКА НА СОВРЕМЕННОМ ЭТАПЕ
Микробиомика включает как культуральную [19], так и молекулярную микробную диагностику [20]. Несмотря на то что культуральный метод до сих пор не потерял своего диагностического значения в определении этиологии инфекционных заболеваний, он в силу временных затрат на его осуществление не может в полной мере соответствовать задачам ранней диагностики и прогнозирования в инфектологии. Кроме того, техника культивирования сопряжена с множеством ограничений, в том числе наличием специальных питательных сред, квалифицированных сотрудников, при этом некоторые бактерии и крупные вирусы (Treponema palidum, Mycobacterium leprae, вирусы гепатитов A, B, C и E) культивировать невозможно [21].
Значительный прогресс в диагностике инфекционных заболеваний был достигнут с внедрением некультураль-ных методов исследования, основанных на амплификации нуклеиновых кислот - полимеразной цепной реакции (ПЦР-диагностика), определении содержания микробных антигенов и антител к ним в образцах биологического материала [22]. Указанные биомаркеры так широко внедрены в современную клиническую практику, что их с полным основанием можно отнести к категории рутинных [23]. Тем не менее эти методы постоянно совершенствуются. Так, метод ПЦР обладает несомненными преимуществами: высокая точность и скорость воспроизведения, низкая себестоимость, максимальный уровень автоматизации при хорошей чувствительности и специфичности. Однако при этом метод не лишен недостатков - эффективность ПЦР снижается при определении РНК-или ДНК-содержащих вирусов с большим числом генотипов. Одно из направлений в устранении этих недостатков - создание мультиплексных систем для ПЦР, которые позволяют
идентифицировать сразу несколько микробных агентов или совокупность биотипов представителей одного вида [21]. Разработка таких мультиплексных систем стала возможна благодаря накоплению в мире широкого спектра образцов ДНК/РНК микроорганизмов и возникновению мегабазы этих молекул [24]. Например, уже существуют мультиплексные системы для распознавания широкого спектра бактерий и грибов в кровотоке (LightCycler SeptiFast) [25] или для диагностики респираторных инфекций [26].
При нозокомиальных инфекциях в процессе проведения ранней ПЦР-диагностики основной упор нередко делается не столько на расшифровку этиологии заболевания, сколько на идентификацию участков генома, отвечающих за лекарственную устойчивость возбудителя [27].
Кроме ПЦР, основанной на амплификации ДНК, в настоящее время особое внимание уделяется аналогичным исследованиям РНК. К этим методам можно причислить транскрипционный метод амплификации. Его под названием NASBA (Nucleic Acid Sequence-Based Amplification) запатентовала компания BioMerieux [21]. Этот метод направлен на расшифровку структуры РНК в составе бактериальных рибосом, которые, будучи многочисленными, но менее стабильными, чем ДНК, придают методу дополнительные преимущества - более высокую чувствительность и возможность выявлять в биологическом материале только живые микроорганизмы.
Совершенствуются методы и по обнаружению микробных антигенов и антител к ним в биологических субстратах. Для этих целей в настоящее время наиболее широко применяются иммуноферментный анализ (ИФА) и другие методы иммуноанализа. Исследования последних лет показали, что далеко не всегда микробные антигены могут быть надежными биомаркерами. Так, например, поверхностный антиген вируса гепатита B (HBsAg), как было доказано ранее, служит одним из важнейших биомаркеров для прогнозирования клинического исхода заболевания. Показано, что количество циркулирующего HBsAg примерно отражает число инфицированных гепа-тоцитов. Освобождение сыворотки крови от этого антигена может служить показателем эффективности терапии пегилированным интерфероном-а (ИФН-а). Оказалось, что еще более чувствительным биомаркером эффективности интерферонотерапии может быть не собственно вирусный антиген, а входящий в его состав пептид, названный ИФН С1 [28].
Что касается использования антител к микробным возбудителям в качестве биомаркеров инфекционных процессов, наиболее часто используется дифференцированное обнаружение IgM- и IgG-антител. Многие современные исследователи подчеркивают, что указанные разновидности антител нельзя рассматривать изолированно, гораздо более информативен комплексный подход (IgM/ IgG) к их оценке [29, 30]. Особое значение в качестве биомаркеров в последнее время придается субклассам IgG-антител, причем данные, полученные в последние годы, в значительной мере изменяют традиционно суще-
ствующие взгляды. В частности способность IgGl-антител эффективно активировать фагоцитоз возбудителей макрофагами известна уже давно [31], благодаря этому они могут служить биомаркерами успешного формирования протективного поствакцинального иммунитета [32]. Однако исследования на современном уровне показали, что в ряде случаев (например, при висцеральном лейш-маниозе) IgGl-антитела могут, наоборот, способствовать микробному поражению макрофагов и использоваться как индикатор рецидива инфекционного процесса после химиотерапии [33].
В последние годы стала развиваться технология, основанная на комбинации иммуноанализа с ПЦР-диагностикой - иммуно-ПЦР. Эта технология обладает очень высокой чувствительностью и рекомендуется для обнаружения в биологическом материале вирусных и бактериальных антигенов, токсинов, патогенов, цитоки-нов, антимикробных антител и аутоантител, а также других биомаркеров [34, 35].
СОВРЕМЕННЫЕ ПРОБЛЕМЫ ГЕНОМИКИ И ЭПИГЕНОМИКИ ЧЕЛОВЕКА
Помимо культуральных, иммунологических и моле-кулярно-генетических характеристик микробных патогенов, огромное значение при инфекционных болезнях имеет генетика самого человека [36]. Например, в свое время было установлено, что развитие инфекционного процесса, вызванного вирусом гриппа H5N1, зависит не только от генотипа вируса, но и во многом определяется генетической предрасположенностью человека [37]. Аналогичные выводы были получены и при изучении других инфекционных заболеваний.
Как свидетельствует M. Loeb [36], существуют два разных подхода к изучению геномики человека. Первый подход основан на исследовании кандидатных полиморфных генов для выявления у них одиночных нуклеотидных замен (single nucleotide polymorphisms - SNP), влияющих на разные патогенетические аспекты инфекционного процесса, а также на чувствительность субъекта к способам терапии. Такие исследования успешно проводились при проказе, вирусных гепатитах В и С, легочном туберкулезе [38-40]. Второй подход связан с изучением ассоциации с болезнью генома в целом (genome wide association studies - GWAS). Эти исследования направлены на выявление параллелей между аллельными вариантами по отдельным локусам (например, HLA I или II класса, фосфо-липазы C - PLCsl и др.) и относительным риском развития того или иного заболевания [36, 41].
Помимо прямого исследования генома человека получили развитие эпигеномные направления, связанные с экспрессией отдельных генов [42]. Реализуются различные подходы для подобных исследований: определение взаимосвязи между полиморфизмами генов и их регуляцией с участием характерных гистонов [43], обнаружение участков метилирования генома [44], наличие конформа-ций хроматина [45], что в целом позволяет расшифровать
фенотипические признаки здорового организма и организма в том или ином патологическом состоянии. В частности метиломика исследует процессы метилирования ДНК, что позволяет получать уникальные характеристики по контролю и модуляции экспрессии различных генов [1]. Это направление широко используется при анализе патологии репродукции, возрастных заболеваний, опухолевой и инфекционной патологии [46-48], а также широком спектре иммуноопосредованных заболеваний (болезни Крона, других аутоиммунных и аллергических процессах) [49].
Еще одно направление - транскриптомика, основанная на использовании в качестве биомаркеров молекул матричных РНК, которых в настоящее время идентифицировано около 3000 и около 300 микроРНК [1]. Транскриптомика широко применяется в диагностике опухолевых и аутоиммунных заболеваний [50, 51], показала свое значение и при инфекционной патологии, в частности в исследовании макрофагальных реакций при туберкулезе [52], а также в виде одного из биомаркеров инфекции, вызванной Clostridium difficile, - транскрипта (РНК) рецептора для интерлейкина-8, или хемокина CXCL8, в составе испражнений [53].
Наиболее значимые достижения транскриптомики при инфекционных болезнях были получены в связи с изучением регуляторной роли и использованием в качестве биомаркеров молекул микроРНК. Эти молекулы были открыты в 1993 г., что послужило толчком для изучения неизвестного ранее способа регуляции экспрессии генов. Малые молекулы микроРНК не относятся к категории информационных нуклеиновых кислот, они модулируют на генном уровне широкий спектр физиологических и патологических процессов: от развития эмбриона до про-грессирования опухолей, сопутствуют патогенезу инфекционных заболеваний и различных метаболических нарушений [54]. МикроРНК влияют на самые различные проявления клеточной активности - пролиферацию, апоптоз, морфогенез, дифференцировку [55].
Определение микроРНК в биологических жидкостях организма, включая сыворотку и цельную кровь, открывает совершенно новые перспективы для развития неин-вазивных методов диагностики и оценки эффективности терапии при инфекционной патологии. Они являются хорошими кандидатами на биомаркеры таких социально значимых заболеваний, как вирусные гепатиты В и С, а также ВИЧ-инфекция [55, 56], Так, например, у больных хроническим гепатитом В уровень сывороточной ми-кроРНК-29 отрицательно коррелирует со стадией фиброза печени, т.е. содержание этих молекул в крови можно использовать в качестве маркера прогрессирующего течения заболевания у этих пациентов [57], а микроРНК-124 с высокой диагностической точностью может служить показателем тяжести некровоспалительных изменений в печени [58]. Более того, в последние годы очень активно разрабатывается направление по использованию молекул микроРНК в лечении ВГВ-инфекции [59]. Комплекс микроРНК BART2-5p, 13, 15 является биомаркером активности, тяжести течения и неблагоприятного прогно-
за Эпштейна-Барр вирусной инфекции [60]. Установлено также, что микроРНК играют огромную роль в развитии противопаразитарного ответа, их даже рассматривают как альтернативную мишень для терапевтических воздействий при заболеваниях, вызванных паразитами [61].
белки и пептиды как объекты современной лабораторной диагностики
Протеомика широко используется для анализа клинически значимых биологических жидкостей с целью определения белковых биомаркеров патологических состояний, а также для мониторирования терапевтических вмешательств при инфекционных заболеваниях [62]. Методы молекулярного, в том числе протеомного, анализа начали активно развиваться еще в начале 1990-х гг. [63]. На современном этапе «омик»-технологии позволяют не только определять биомаркеры, пригодные для конкретных диагностических задач, но и глубоко изучать патогенез инфекционных заболеваний, получать новые генерации вакцинных препаратов и т.д. [64]. Так, с помощью протеомных исследований к настоящему времени уточнена роль целого ряда белков ВИЧ в репликации вируса [65], расшифрован патогенез легочных поражений при ВИЧ-инфекции [66].
Исследование совокупного белкового состава (протео-ма) биологических жидкостей осуществляют, в частности, используя соотношение массы отдельных белков к их заряду. В настоящее время все чаще для этих целей применяют времяпролетную матрично-активированную лазерную десорбцию/ионизацию - МАЛДИ-масс-спектрометрию. При туберкулезе, грибковых заболеваниях для идентификации микробных возбудителей рекомендуют про-теомные исследования с использованием данного метода [67]. На основе масс-спектрометрии установлены наиболее устойчивые паттерны цитомегаловируса [68]. С диагностической точки зрения, масс-спектрометрия позволяет, например, обнаруживать в организме человека высокоинвазивные штаммы стрептококка [69].
Метод в сочетании с другими технологиями (жидкостной хроматографией, вестерн-блот анализом) позволил глубоко проникнуть в механизмы взаимодействия вируса Эпштейна-Барр с клеткой и выявить внутриклеточные белковые мишени регуляторного действия вируса [70]. Вестерн-блот анализ в сочетании с конфокальной микроскопией позволил проделать аналогичную исследовательскую работу с вирусом японского энцефалита [71].
Широко используемым методом протеомного анализа служит также двумерный гель-электрофорез 2D-DIGE (Two-dimensional Difference Gel Electrophoresis). С помощью этой технологии удалось, например, дифференцировать вирус-индуцированную экспрессию белков внутри клеток, как это было показано на модели ротавируса в отношении ингибиторов и хелаторов кальмодулина [72]. Методом 2D-DIGE уточнены новые белковые мишени для терапии тяжелых инфекций, вызванных энтеровиру-сами [73].
Особую группу биомаркеров составляют иммунологические показатели. Вначале эти параметры воспринимали только как суррогатные маркеры инфекционных заболеваний, однако по мере совершенствования технологий иммунологических исследований стало возможно в ряде случаев рассматривать результаты тестов в качестве специфических биомаркеров, особенно у иммунокомпро-ментированных пациентов. В последнем случае биомаркерами риска развития грибковых инфекций могут служить рецепторы, распознающие грибковые паттерны - ТоН-подобные рецепторы пентраксин-3, дектин-1 и др. [74]. Исследование ^-рецепторов (в частности ^2) в качестве биомаркера при цитомегаловирусной инфекции показало неожиданный результат - оказывается, через эти рецепторы регулирует уровень микроРНК [75], о роли которых как биомаркеров уже написано выше.
Можно привести еще один пример. Хорошо известна роль CD8+ цитотоксических Т-клеток (ЦТЛ) при хронических инфекциях, вызванных вирусом иммунодефицита человека, вирусами гепатитов В и С. ЦТЛ на роль биомаркера не годятся в силу низкой чувствительности и специфичности теста, но молекулы, через которые эти клетки получают ингибирующие ^-1) или активирующие (аго-нисты CD40) сигналы, эту роль выполнять могут [76].
Ранним маркером бактериальной инфекции является экспрессия нейтрофильными гранулоцитами рецептора 1 к Fc-фрагменту ^ - СD64 [77].
Очень широко в качестве биомаркеров эффективности иммунного ответа на микробные антигены используются цитокины и другие растворимые факторы. Тест этот неспецифический, поэтому речь в данном случае чаще всего идет либо об инфекциях в целом, либо о группе инфекционных процессов, в некоторых случаях в качестве маркера используется целый молекулярный комплекс.
Например, надежным биомаркером инфицирования и критерием назначения антибиотикотерапии может служить прокальцитонин, синтезируемый в различных органах в ответ на инвазию патогенными бактериями, грибами и некоторыми паразитами [78]. Биомаркеры бактериальных инфекций представляют собой комплекс цитокинов и интерлейкинов - ^-^а, ^-2, К-4, К-6, ^-8, TNFa, INFy, М1Р-1Р, МСР-1 [79]. Ранняя диагностика сепсиса возможна при одновременном обнаружении в крови липополисахаридов грамотрицательных бактерий и про-воспалительных цитокинов - ТНФ-а, ИЛ-1Р, ИЛ-6 [80].
Предполагается выраженное клиническое значение в диагностике туберкулеза 6 категорий молекул: 1Р-10, К-6, ^-10, К-4, FOXP3, ^-12 [81]. Комплекс в составе d-димера гиалуроновой кислоты, ИЛ-6, ИЛ-8, растворимого CD14 служит маркером коинфекции ВИЧ/ВГС [82].
мЕТАБоломикА и ее возможности
Метаболомика, с точки зрения используемых технологий, служит наиболее продвинутым разделом современной лабораторной диагностики. Под метаболомом понимают совокупную характеристику большого чис-
ла продуктов обмена веществ (аминокислот, азотистых оснований, органических кислот, карбогидратов, гетероциклических и многих других соединений), которую получают с помощью различных методов молекулярной биологии. Среди этих методов ведущее место занимают такие спектроскопические технологии, как ядерно-магнитный резонанс (ЯМР) и масс-спектрометрия. Полученные данные оценивают с помощью особых систем математических моделей (обработанных баз данных), например системы «Metabolome Wide Association Screening» или «Human Serum Metabolome Database» [83, 84]. Помимо спектроскопических технологий для характеристики метаболома в различном биологическом материале используют и другие методы молекулярной биологии, в частности газовую и жидкостную хроматографию [85-87], капиллярный электрофорез [87]. Существующие системы на основе баз данных позволяют распознавать многие заболевания сердечно-сосудистой системы, метаболический синдром, опухоли, нейродегенеративные процессы [84]. Внедряется метаболомика в клиническую практику и при инфекционных заболеваниях.
Так, при анализе метаболома больных гепатитом С с помощью газовой хроматографии и масс-спектрометрии было обнаружено повышение уровней глюкозы, маннозы, олеамида на фоне падения лактата в плазме крови, а также снижение фруктозы и галактозы на фоне роста 6-деок-сигалактозы (фукозы), полиолов сорбитола, галактитола, ксилитола в моче. Эти изменения, выявленные с помощью существующих систем баз данных, характерны для 40% обследованных больных и соответствуют росту экспрессии гена AKR1B10, кодирующего ферменты и белки суперсемейства альдокеторедуктазы, что, в свою очередь, служит биомаркером гепатоклеточной карциномы [85].
Важные данные о механизме поражения гепатоцитов вирусом гепатита С по состоянию клеточного обмена ли-пидов были получены методами жидкостной хроматографии и масс-спектрометрии [86].
Метод ЯМР позволил установить специфичные изменения метаболизма фосфолипидов, фосфохолина, фос-фоэтаноламида, аминокислот, нуклеотидов, продуктов гликолиза и оксидативного стресса при инфицировании организма вирулентными штаммами Mycobacterium tuberculosis [88].
Метаболомика характеризует обмен веществ не только с позиций определения биомаркеров отдельных инфекционных процессов на уровне организма человека, но и позволяет диагностировать инфекционные болезни, используя состояние нормальной микрофлоры человека. В частности было показано, что образцы испражнений содержат разнообразные амино- и фе-
СВЕДЕНИЯ ОБ АВТОРЕ
нолсодержащие метаболиты как самого человека, так и продукты метаболизма его микрофлоры [89]. Благодаря этому по характеристике таких микробных метаболитов, как желчные кислоты, глюкоза, свободные жирные кислоты, дипептиды и другие микробиоты кишечника, можно прогнозировать развитие инфекции, вызванной Clostridium difficile [90]. Исследования ма-таболома микрофлоры кишечника показали, что его изменения специфичны при язвенной болезни, вызванной Helicobacter pylori [91]. Метаболомика микроорганизмов играет огромную роль в развитии наших представлений о биологических процессах, влияющих на структуру, механизм образования и антибиотикоустойчивость биопленки слизистых оболочек [92].
Приемами метаболомики можно прямо идентифицировать патогенные микроорганизмы. На модели распознавания возбудителей микст-инфекции (Escherichia coli, Corynebacterium glutamicum, Acinetobacter calcoaceticus, Staphylococcus aureus) было показано, что капиллярный электрофорез для выявления однонитевого конформа-ционного полиморфизма (CE-SSCP) не уступает по диагностическому значению методу ПЦР [93]. Импульсный гель-электрофорез в виде Phenotype MicroArray технологии позволяет дифференцировать между собой около 29 видов патогенных сальмонелл [94]. Вторичные метаболиты из группы сидерофоров играют роль в идентификации в моче уропатогенных вариантов Escherichia coli [95].
ЗАКЛЮЧЕНИЕ
Заключая представленный обзор, необходимо отметить, что практика лабораторной диагностики инфекционных болезней переживает новый этап развития. Появились новые технологии, постепенно снижается актуальность проблемы идентификации микробных возбудителей, изменились первостепенные задачи самой лабораторной диагностики. На первый план в настоящее время выступают задачи ранней диагностики инфекционных болезней, прогнозирования течения заболевания и эффективности лечебных мероприятий, что в соответствии с современной терминологией находит выражение в разработке биомаркеров инфекционных болезней как специфичных признаков патологического процесса. В данном обзоре на примере некоторых современных «омик»-технологий при различных инфекционных болезнях с анализом опубликованных материалов зарубежных исследователей продемонстрированы возможности и перспективы решения фундаментальных и прикладных проблем инфекционной патологии.
Балмасова Ирина Петровна - доктор медицинских наук, профессор, руководитель лаборатории патогенеза и методов лечения инфекционных заболеваний ГБОУ ВПО «Московский государственный медико-стоматологический университет им. А.И. Евдокимова» Минздрава России E-mail: iri.balm@mail.ru
AMTEPATYPA/REFERENCES
1. Yoshizawa J.M., Schafer C.A., Schafer J.J., FarreLL J.J. et al. Salivary biomarkers: toward future clinical and diagnostic utilities. Clin Microbiol Rev. 2013; Vol. 26 (4): 781-91.
2. Gupta S., Venkatesh A., Ray S., Srivastava S. Challenges and prospects for biomarker research: a current perspective from the developing world. Biochim Biophys Acta. 2014; Vol. 1844 (5): 899-908.
3. Wagner P.D., Verma M., Srivastava S. Challenges for biomarkers in cancer detection. Ann N.Y. Acad Sci. 2004; Vol. 1022: 9-16.
4. Dogan U.B., Akin M.S., Yalaki S. Alanine aminotransferase normalization at week 8 predicts viral response during hepatitis C treatment. World J Gastroenterol. 2013; Vol. 19 (46): 8678-86.
5. Ray S., Patel S.K., Kumar V., Damahe J. et al. Differential expression of serum/plasma proteins in various infectious diseases: specific or nonspecific signatures. Proteomics Clin Appl. 2014; Vol. 8 (1-2): 53-72.
6. Chakera A., Lucas A., Lucas M. Surrogate markers of infection: interrogation of the immune system. Biomark Med. 2011; Vol. 5 (2): 131-48.
7. Nishida H. Biomarkers for neural injury and infection in small animals. Vet Clin North Am Small Anim Pract. 2014; Vol. 44 (6): 1187-99.
8. Kurian S., Grigoryev Y., Head S., Campbell D. et al. Applying genomics to organ transplantation medicine in both discovery and validation of biomarkers. Int Immunopharmacol. 2007; Vol. 7 (14): 1948-60.
9. Bonassi S., Neri M., Puntoni R. Validation of biomarkers as early predictors of disease. Mutat Res. 2001; Vol. 480-481: 34958.
10. Page A.V., Liles W.C. Biomarkers of endothelial activation/ dysfunction in infectious diseases. Virulence. 2013; Vol. 4 (6): 507-16.
11. Yeh Y.T., Nisic M., Yu X., Xia Y. et al. Point-of-care microdevices for blood plasma analysis in viral infectious diseases. Ann Biomed Eng. 2014; Vol. 42 (11): 2333-43.
12. Burbelo P.D., Bayat A., Lebovitz E.E., Iadarola M.J. New technologies for studying the complexity of oral diseases. Oral Dis. 2012; Vol. 18 (2): 121-6.
13. Amado L.A., Villar L.M., de Paula V.S., de Almeida A.J. et al. Detection of hepatitis A, B, and C virus-specific antibodies using oral fluid for epidemiological studies. Mem Inst Oswaldo Cruz. 2006; Vol. 101 (2): 149-55.
14. Mager D., Haffajee A., Devlin P., Norris C. et al. The salivary microbiota as a diagnostic indicator of oral cancer: a descriptive, non-randomized study of cancer-free and oral squamous cell carcinoma subjects. J Transl Med. 2005; Vol. 3: 27-34.
15. Sakushima K., Yabe I., Sasaki H. Revival of old diagnostic markers in the cerebrospinal fluid for the detection of infectious meningitis. Rinsho Shinkeigaku. 2012; Vol. 52 (1): 6-11.
16. Lam C.W., Law C.Y., Sze K.H., To K.K. Quantitative metabolomics of urine for rapid etiological diagnosis of urinary tract infection: Evaluation of a microbial-mammalian co-metabolite as a diagnostic biomarker. Clin Chim Acta. 2014; Vol. 438: 24-8.
17. Brecher S.M., Novak-Weekley S.M., Nagy E. Laboratory diagnosis of Clostridium difficile infections: there is light at the end of the colon. Clin Infect Dis. 2013; Vol. 57 (8): 1175-81.
18. McNerney R., Maeurer M., Abubakar I., Marais B. et al. Tuberculosis diagnostics and biomarkers: needs, challenges, recent advances, and opportunities. J Infect Dis. 2012; Vol. 205 (suppl. 2): 147-58.
19. Bowden G.H. Does assessment of microbial composition of plaque/saliva allow for diagnosis of disease activity of individuals? Community Dent Oral Epidemiol. 1997; Vol. 25 (1): 76-81.
20. Lazarevic V., Whiteson K., Gaia N., Gizard Y. et al. Analysis of the salivary microbiome using culture-independent techniques. J Clin Bioinformatics. 2012; Vol. 2: 4-11.
21. Lecuit M., Eloit M. The diagnosis of infectious diseases by whole genome next generation sequencing: a new era is opening. Front Cell Infect Microbiol. 2014; Vol. 4: 25-7.
22. Clark J.E. Determining the microbiological cause of a chest infection. Arch Dis Child. 2014. pii: archdischild-2013-305742.
23. Elemraid M.A., Rushton S.P., Thomas M.F., Spencer D.A. et al. Changing clinical practice: management of paediatric community-acquired pneumonia. J Eval Clin Pract. 2014; Vol. 20 (1): 94-9.
24. Slezak T. Bacterial genome reference databases: progress and challenges. PDA J Pharm Sci Technol. 2014; Vol. 68 (6): 619.
25. Chang S.S., Hsieh W.-H., Liu T.S., Lee S.H. et al. Multiplex PCR system for rapid detection of pathogens in patients with presumed sepsis - a systemic review and meta-analysis. PLoS One. 2013; Vol. 8. Article ID: e62323.
26. Dabisch-Ruthe M., Vollmer T., Adams O., Knabbe C. et al. Comparison of three multiplex PCR assays for the detection of respiratory viral infections: evaluation of xTAG respiratory virus panel fast assay, RespiFinder 19 assay and RespiFinder smart 22 assay. BMC Infect Dis. 2012; Vol. 12: 163-73.
27. Reuter S., Ellington M.J., Cartwright E.J., K ser C.U. et al. Rapid bacterial whole-genome sequencing to enhance diagnostic and public healthmicrobiology. JAMA Intern Med. 2013; Vol. 173 (15): 1397-404.
28. Wang Z., Li X., Shi C., Zhang M. et al. Screening for serum biomarkers in patients with chronic hepatitis B with hepatitis B surface antigen seroclearance, following pegylated interferon alpha therapy. Mol Med Rep. 2015; Vol. 11 (1): 427-33.
29. Hashoosh D.A., Majeed I.A. Comparison of two assays in the diagnosis of toxoplasmosis: immunological and molecular. East Mediterr Health J. 2014; Vol. 20 (1): 46-50.
30. Sol's Garc'a Del Pozo J., Lorente Ortu o S., Navarro E., Solera J. Detection of IgM Antibrucella Antibody in the Absence of IgGs: A Challenge for the Clinical Interpretation of Brucella Serology. PLoS Negl Trop Dis. 2014; Vol. 8 (12). Article ID: e3390.
31. Fick R.B. Lung humoral response to Pseudomonas species. Eur J Clin Microbiol Infect Dis. 1989; Vol. 8 (1): 29-34.
32. Gutiérrez Diéz F.J., Blanco Quirós A., Ponce Ortega A., Garrote Adrados J.A. IgG subclass antibodies in children of Vallidolid. Low materno-fetal protection. An Esp Pediatr. 1991; Vol. 34 (1): 19-24.
33. Bhattacharyya T., Ayandeh A., Falconar A.K., Sundar S. et al. IgG1 as a potential biomarker of post-chemotherapeutic relapse in visceral leishmaniasis, and adaptation to a rapid diagnostic test. PLoS Negl Trop Dis. 2014; Vol. 8 (10). Article ID: e3273.
34. Adler M., Wacker R., Niemeyer C.M. Sensitivity by combination: immuno-PCR and related technologies. Analyst. 2008; Vol. 133 (6): 702-18.
35. Mehta P.K., Raj A., Singh N.P., Khuller G.K. Detection of potential microbial antigens by immuno-PCR (PCR-amplified immunoassay). J Med Microbiol. 2014; Vol. 63 (Pt 5): 627-41.
36. Loeb M. Host genomics in infectious diseases. Infect Chemother. 2013; Vol. 45 (3): 253-9.
37. Horby P., Sudoyo H., Viprakasit V., Fox A. et al. What is the evidence of a role for host genetics in susceptibility to influenza A/H5N1? Epidemiol Infect. 2010; Vol. 138 (11): 1550-8.
38. Roy S., Frodsham A., Saha B., Hazra S.K. et al. Association of vitamin D receptor genotype with leprosy type. J Infect Dis. 1999; Vol. 179: 187-91.
39. Tanaka Y., Nishida N., Sugiyama M. et al. Genome-wide association of IL28B with response to pegylated interferon-alpha
and ribavirin therapy for chronic hepatitis C. Nat Genet. 2009; Vol. 41 (10): 1105-9.
40. Bellamy R., Ruwende C., Corrah T., McAdam K.P. et al. Tuberculosis and chronic hepatitis B virus infection in Africans and variation in the vitamin D receptor gene. J Infect Dis. 1999; Vol. 179: 721-4.
41. Loeb M., Eskandarian S., Rupp M., Fishman N. et al. Genetic variants and susceptibility to neurological complications following West Nile virus infection. J Infect Dis. 2011; Vol. 204: 1031-7.
42. Heyn H. A symbiotic liaison between the genetic and epigenetic code. Front Genet. 2014; Vol. 5: 113-8.
43. Hnisz D., Abraham B.J., Lee T.I., Lau A. et al. Super-enhancers in the control of cell identity and disease. Cell. 2013; Vol. 155 (4): 934-47.
44. Ziller M.J., Gu H., Müller F., Donaghey J. et al. Charting a dynamic DNA methylation landscape of the human genome. Nature. 2013; Vol. 500 (7463): 477-81.
45. Paul D.S., Albers C.A., Rendon A., Voss K. et al. Maps of open chromatin highlight cel ltype-restricted patterns of regulatory sequence variation at hematological trait loci. Genome Res. 2013; Vol. 23: 1130-41.
46. Ohgane J., Yagi S., Shiota K. Epigenetics: the DNA methylation profile of tissue-dependent and differentially methylated regions in cells. Placenta. 2008; Vol. 29 (suppl. A): 29-35.
47. Bocklandt S., Lin W., Sehl M.E., Sanchez F. et al. Epigenetic predictor of age. PLoS One. 2011; Vol. 6 (6). Article ID: e14821.
48. Lee H., Park M., Choi A., An J. et al. Potential forensic application of DNA methylation profiling to body fluid identification. Int J Legal Med. 2012; Vol. 126 (1): 55-62.
49. Zilbauer M., Rayner T.F., Clark C., Coffey A.J. et al. Genome-wide methylation analyses of primary human leukocyte subsets identifies functionally importantcell-type-specifichypomethylated regions. Blood. 2013; Vol. 122 (25): 52-60.
50. Pinto R., De Summa S., Petriella D., Tudoran O. et al. The value of new high-throughput technologies for diagnosis and prognosis in solid tumors. Cancer Biomark. 2014; Vol. 14 (2-3): 103-17.
51. Kim H.Y., Kim H.R., Lee S.H. Advances in systems biology approaches for autoimmune diseases. Immune Netw. 2014; Vol. 14 (2): 73-80.
52. Rue-Albrecht K., Magee D.A., Killick K.E., Nalpas N.C. et al. Comparative functional genomics and the bovine macrophage response to strains of the Mycobacterium genus. Front Immunol. 2014; Vol. 5: 536-49.
53. Feghaly R.E., Stauber J.L., Tarr P.I., Haslam D.B. Intestinal inflammatory biomarkers and outcome in pediatric Clostridium difficile infections. J Pediatr. 2013; Vol. 163 (6): 1697-704.
54. Bhaskaran M., Mohan M. MicroRNAs: history, biogenesis, and their evolving role in animal development and disease. Vet Pathol. 2013; Vol. 51 (4): 759-74.
55. Fowler L., Saksena N.K. Micro-RNA: new players in HIV-pathogenesis, diagnosis, prognosis and antiviral therapy. AIDS Rev. 2013; Vol. 15 (1): 3-14.
56. Dahiya N., Atreya C.D. MicroRNAs and major blood-borne infectious viral diseases. Microrna. 2014; Vol. 2 (3): 212-8.
57. Huang C., Zheng J.M., Cheng Q., Yu K.K. et al. Serum microRNA-29 levels correlate with disease progression in patients with chronic hepatitis B virus infection. J Dig Dis. 2014; Vol. 15 (11): 614-21.
58. Wang J.Y., Mao R.C., Zhang Y.M., Zhang Y.J. et al. Serum microRNA-124 is a novel biomarker for liver necroinflammation in patients with chronic hepatitis B virus infection. J Viral Hepat. 2014; Vol. 22 (2): 128-36.
59. Wei Y.F., Cui G.Y., Ye P., Chen J.N. et al. MicroRNAs may solve the mystery of chronic hepatitis B virus infection. World J Gastroenterol. 2013; Vol. 19 (30): 4867-76.
60. Kawano Y., Iwata S., Kawada J., Gotoh K. et al. Plasma viral microRNA profiles reveal potential biomarkers for chronic active Epstein-Barr virus infection. J Infect Dis. 2013; Vol. 208 (5): 7719.
61. Manzano-Román R., Siles-Lucas M. MicroRNAs in parasitic diseases: potential for diagnosis and targeting. Mol Biochem Parasitol. 2012; Vol. 186 (2): 81-6.
62. Mavromati J., Cash P., Restelli L., Soler L. Proteomics and protein analyses of ovine and caprine body fluids: current studies and future promises. Curr Protein Pept Sci. 2014; Vol. 15 (1): 4555.
63. Fairfax M.R., Salimnia H. Diagnostic molecular microbiology: a 2013 snapshot. Clin Lab Med. 2013; Vol. 33 (4): 787-803.
64. Tanca A., Deligios M., Addis M.F., Uzzau S. High throughput genomic and proteomic technologies in the fight against infectious diseases. J Infect Dev Ctries. 2013; Vol. 7 (3): 182-90.
65. Brégnard C., Zamborlini A., Leduc M., Chafey P. et al. Comparative proteomic analysis of HIV-1 particles reveals a role for Ezrin and EHD4 in the Nef-dependent increase of virus infectivity. J Virol. 2013; Vol. 87 (7): 3729-40.
66. Nguyen E.V., Gharib S.A., Crothers K., Chow Y.H. et al. Proteomic landscape of bronchoalveolar lavage fluid in human immunodeficiency virus infection. Am J Physiol Lung Cell Mol Physiol. 2014; Vol. 306 (1): 35-42.
67. Chen J.H., Yam W.C., Ngan A.H., Fung A.M. et al. Advantages of using matrix-assisted laser desorption ionization-time of flight mass spectrometry as a rapid diagnostic tool for identification of yeasts and mycobacteria in the clinical microbiological laboratory. J Clin Microbiol. 2013; Vol. 51 (12): 3981-7.
68. Reyda S., Büscher N., Tenzer S., Plachter B. Proteomic analyses of human cytomegalovirus strain AD169 derivatives reveal highly conserved patterns of viral and cellular proteins in infected fibroblasts. Viruses. 2014; Vol. 6 (1): 172-88.
69. Ratcliffe P., Fang H., Thidholm E., Borang S. et al. Comparison of MALDI-TOF MS and VITEK 2 system for laboratory diagnosis of Granulicatella and Abiotrophia species causing invasive infections. Diagn Microbiol Infect Dis. 2013; Vol. 77 (3): 216-9.
70. Ding Y., Li X.R., Yang K.Y., Huang L.H. et al. Proteomics analysis of gastric epithelial AGS cells infected with Epstein-Barr virus. Asian Pac J Cancer Prev. 2013; Vol. 14 (1): 367-72.
71. Zhang L.K., Chai F., Li H.Y., Xiao G. et al. Identification of host proteins involved in Japanese encephalitis virus infection by quantitative proteomics analysis. J Proteome Res. 2013; Vol. 12 (6): 2666-78.
72. Chattopadhyay S., Basak T., Nayak M.K., Bhardwaj G. et al. Identification of cellular calcium binding protein calmodulin as a regulator of rotavirus Ainfection during comparative proteomic study. PLoS One. 2013; Vol. 8 (2). Article ID: e56655.
73. Deng L., Jia H.L., Liu C.W., Xu Y.F. et al. Proteomic analysis of extremely severe hand, foot and mouth disease infected by enterovirus 71. BMC Infect Dis. 2013; Vol. 13: 383-90.
74. Camargo J.F., Husain S. Immune correlates of protection in human invasive aspergillosis. Clin Infect Dis. 2014; Vol. 59 (4): 569-77.
75. Wujcicka W., Wilczy ski J., Nowakowska D. Alterations in TLRs as new molecular markers of congenital infections with Human cytomegalovirus? Pathog Dis. 2014; Vol. 70 (1): 3-16.
76. Bhadra R., Cobb D.A., Khan I.A. CD40 signaling to the rescue: A CD8 exhaustion perspective in chronic infectious diseases. Crit Rev Immunol. 2013; Vol. 33 (4): 361-78.
77. Li S., Huang X., Chen Z., Zhong H. et al. Neutrophil CD64 expression as a biomarker in the early diagnosis of bacterial infection: a meta-analysis. Int J Infect Dis. 2013; Vol. 17 (1): 12-23.
78. Lee H. Procalcitonin as a biomarker of infectious diseases. Korean J Intern Med. 2013; Vol. 28 (3): 285-91.
79. HoLub M., Lawrence D.A., Andersen N., Davidova A. et al. Cytokines and chemokines as biomarkers of community-acquired bacterial infection. Mediators Inflamm. 2013. pii: 190145-51.
80. Cho S.-Y., Choi J.-H. Biomarkers of sepsis. Infect Chemother. 2014; Vol. 46 (1): 1-12.
81. John S.H., Kenneth J., Gandhe A.S. Host biomarkers of clinical relevance in tuberculosis: review of gene and protein expression studies. Biomarkers. 2012; Vol. 17 (1): 1-8.
82. Andrade B.B., Hullsiek K.H., Boulware D.R., Rupert A. et al. Biomarkers of inflammation and coagulation are associated with mortality and hepatitis flares in persons coinfected with HIV and hepatitis viruses. J Infect Dis. 2013; Vol. 207 (9): 1379-88.
83. Nagana Gowda G.A., Gowda Y.N., Raftery D. Expanding the limits of Human Blood Metabolite Quantitation using NMR spectroscopy. Anal Chem. 2015; Vol. 87 (1): 706-15.
84. Holmes E., Nicholson J.K. Human metabolic phenotyping and metabolome wide association studies. Ernst Schering Found Symp Proc. 2007; Vol. 4: 227-49.
85. Semmo N., Weber T., Idle J.R., Beyoglu D. Metabolomics reveals that aldose reductase activity due to AKR1B10 is upregulated in hepatitis C virus infection. J Viral Hepat. 2015; 22 (7): 617-24.
86. Roe B., KensickiE., Mohney R., Hall W.W. Metabolomic profile of hepatitis C virus-infected hepatocytes. PLoS One. 2011; Vol. 6 (8). Article ID: e23641.
87. Kok M.G., Somsen G.W., de Jong G.J. Comparison of capillary electrophoresis-mass spectrometry and hydrophilic interaction chromatography-mass spectrometry for anionic metabolic profiling of urine. Talanta. 2015; Vol. 132: 1-7.
88. Shin J.H., Yang J.Y., Jeon B.Y., Yoon Y.J. et al. (1)H NMR-based metabolomic profiling in mice infected with Mycobacterium tuberculosis. J Proteome Res. 2011; Vol. 10 (5): 2238-47.
89. Xu W., Chen D., Wang N., Zhang T. et al. Development of high-performance chemical isotope labeling LC-MS for profiling the human fecal metabolome. Anal Chem. 2015; Vol. 87 (2): 829-36.
90. Theriot C.M., Koenigsknecht M.J., Carlson P.E. Jr, Hatton G.E. et al. Antibiotic-induced shifts in the mouse gut microbiome and metabolome increase susceptibility to Clostridium difficile infection. Nat Commun. 2014; Vol. 5: 3114-32.
91. Ktsoyan Z.A., Beloborodova N.V., Sedrakyan A.M., Osipov G.A. et al. Profiles of microbial fatty acids in the human metabolome are disease-specific. Front Microbiol. 2011; Vol. 1: 148-56.
92. Zhang B., Powers R. Analysis of bacterial biofilms using NMR-based metabolomics. Future Med Chem. 2012; Vol. 4 (10): 1273-306.
93. Chung J.H., Park Y.S., Kim J., Shin G.W. et al. Parallel analysis of antimicrobial activities in microbial community by SSCP based on CE. Electrophoresis. 2007; Vol. 28 (14): 2416-23.
94. Kauko T., Haukka K., Abuoun M., Anjum M.F. et al. Pheno-type MicroArray in the metabolic characterisation of Salmonella serotypes Agona, Enteritidis, Give, Hvittingfoss, Infantis, Newport and Typhimurium. Eur J Clin Microbiol Infect Dis. 2010; Vol. 29 (3): 311-7.
95. Lv H., Hung C.S., Henderson J.P. Metabolomic analysis of siderophore cheater mutants reveals metabolic costs of expression in uropathogenic Escherichia coli. J Proteome Res. 2014; Vol. 13 (3): 1397-404.
