Caracterização sistêmica integrativa das interações neuroimunológicas do Transtorno Depressivo Maior e sua interseção com a síndrome pós-COVID-19

Resumo

A pandemia da Doença de Coronavírus 2019 (COVID-19) deixou muitas implicações psicopatológicas nos sobreviventes da COVID-19, como depressão, ansiedade e deficiências cognitivas, que agora são reconhecidas como sintomas primários da "síndrome pós-aguda do COVID-19"11. A psicopatologia depressiva já foi relatada em cerca de 35% dos pacientes em acompanhamento de curto, médio e longo prazo após a infecção por Coronavírus-2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2)12. Sabe-se que os sintomas depressivos associados à síndrome pós-COVID-19 aumentam a fadiga e afetam o funcionamento neurocognitivo, sono, qualidade de vida e funcionamento global em sobreviventes de COVID-1913. Os mecanismos psicopatológicos subjacentes aos sintomas depressivos pós-COVID-19 estão principalmente relacionados com a inflamação desencadeada pela resposta imunoinflamatória periférica à infecção viral e com a carga psicológica persistente durante e após a infeção13. O grande número de pacientes infectados com SARS-CoV-2 e a alta prevalência de sintomas depressivos pós-COVID-19 podem aumentar significativamente o grupo de pessoas que sofrem de transtornos depressivos13,14. Portanto, é essencial rastrear, diagnosticar, tratar e monitorar a psicopatologia dos sobreviventes da COVID-19 para neutralizar a carga da doença da depressão e os anos de vida vividos com incapacidade. Assim, o objetivo desse projeto é caracterizar novas redes de interações neuroimunológicas associadas a fisiopatologia dos transtornos depressivos pós-COVID-19. Desse modo, será realizada uma análise integrativa (ex: metanálise de dados através do método de Fisher seguido de correção do efeito de lote) sistêmica ampla de datasets de expressão gênica e proteômica (de leucócitos de sangue periférico e do sistema nervoso central) depositados no ArrayExpress, Gene Expression Omnibus (GEO) e Proteome Exchange para identificar possíveis biomarcadores e preditores de gravidade (utilizando técnicas de aprendizado de máquinas tais como Random Forest) de maior relevância de acordo com as cohorts investigadas (pacientes com o transtorno depressivo maior [TDM] versus pacientes com a síndrome pós-COVID-19), suas redes de interações (network e co-expression analysis) e correlações (correlações bi- e multivariadas). Desta forma, esse projeto expandirá o atual entendimento dos fatores fisiopatológicos que contribuem para o entendimento da psicoinflamação envolvido no TDM e de indivíduos com a síndrome pós-COVID-19, revelando novos potenciais alvos terapêuticos neuroimunobiologicos.