Поиск генных вариантов, влияющих на тяжесть течения COVID-19, на основе результатов секвенирования клинического экзома

Полный текст

ВВЕДЕНИЕ

COVID-19 представляет собой инфекционное заболевание, вызванное коронавирусом тяжёлого острого респираторного синдрома 2 (SARS-CoV-2). У большинства инфицированных наблюдаются лёгкое или умеренное течение заболевания. Однако у некоторых пациентов COVID-19 протекает в тяжёлой форме, требующей оказания квалифицированной медицинской помощи в условиях стационара.

Исследования показали, что на тяжесть течения COVID-19 и вероятность летального исхода помимо штамма вируса в значительной мере влияют такие факторы, как возраст, социально-экономический статус и наличие сопутствующих заболеваний [1, 2]. Однако наблюдаемая вариабельность протекания COVID-19 не может быть объяснена только этими факторами. Восприимчивость к вирусу, определяемая как вероятность развития COVID-19 после заражения SARS-CoV-2, также широко вариабельна [3, 4]. Тяжесть фенотипических проявлений изменяется от бессимптомного течения до острого респираторного дистресс-синдрома и летальных исходов [3]. Уже в начале пандемии было отмечено, что тяжёлая форма заболевания может развиваться у пациентов младше шестидесяти лет без коморбидных состояний. Подобные случаи иногда носят семейный характер [5], что позволяет предположить роль генотипа человека как фактора риска.

Крупномасштабные исследования генетических ассоциаций, охватывающие как редкие, так и распространённые генетические варианты, используют различные схемы для выявления геномных регионов, ассоциированных с COVID-19. Предыдущие работы по изучению генетики носителей COVID-19 с помощью полногеномного поиска ассоциаций (genome-wide association studies, GWAS) выявили ряд генетических вариантов, статистически значимо ассоциированных либо с восприимчивостью к COVID-19, либо с тяжестью его течения [6–10].

Важно упомянуть, что надёжность и статистическая мощность GWAS снижаются по мере уменьшения частоты встречаемости полиморфизмов [11]. Определение редких генетических вариаций может быть улучшено с помощью технологии секвенирования [12]. Предполагается, что редкие варианты могут иметь более значительные эффекты и поэтому способны дать уникальное представление о генетической предрасположенности к различным осложнениям COVID-19. Из-за генетической неоднородности населения земного шара важным этапом изучения генетических факторов, связанных с протеканием заболевания COVID-19, является репликация ранее найденных ассоциаций в широком спектре различных популяций.

Цель исследования — поиск генов, обогащённых редкими генетическими вариантами, связанными с тяжестью течения COVID-19, на данных российской популяции при помощи репликационного анализа.

МАТЕРИАЛЫ И МЕТОДЫ

Секвенирование

Выделение ДНК из цельной крови выполнено методом фенольной экстракции. Концентрацию ДНК измеряли с помощью набора реагентов QuantiFluor dsDNA System (Promega, США) на приборе Quantus (Promega). Подготовка библиотек проведена с использованием набора зондов клинического экзома KAPA HyperChoice Max 12Mb и набора для приготовления библиотек KAPA HyperPrep Kit (Roche, Швейцария). Секвенирование методом парно-концевых прочтений (PE 150) выполнено на секвенаторе нового поколения HiSeq 4000 (Illumina, США) со средним покрытием целевых регионов 73х.

Идентификация вариантов и аннотация

После секвенирования полученные прочтения были выровнены по референсному геному hg38 с помощью программы BWA-MEM2. Для коррекции базового качества, выравнивания инсерций и делеций, удаления дубликатов, идентификации и генотипирования однонуклеотидных полиморфизмов (single nucleotide polymorphism, SNP), инсерций и делеций во всех образцах в соответствии с рекомендациями GATK Best Practices был использован инструмент Genome Analysis Toolkit (GATK v. 4.2.4.1). Обработку файлов (*.vcf) проводили с помощью программ Tabix и BCFtools. После идентификации вариантов выполнена их аннотация на предмет функционального влияния с помощью Variant Effect Predictor.

Отбор генов

Опубликованные результаты оригинальных исследований были найдены в базах данных PubMed и Google Scholar по поисковым запросам, включающим различные комбинации таких ключевых слов, как “genetics”, “genomics” и “SARS-CoV-2”, “COVID-19”. Кроме того, проанализированы отдельные обзорные статьи [13, 14]. Перечень исследуемых генов был ограничен в связи с отсутствием некоторых из них в используемой экзомной панели.

Исследуемая популяция и фенотипы исходов COVID-19

Исследование проведено на базе Санкт-Петербургского государственного бюджетного учреждения здравоохранения «Городская больница № 40 Курортного района» и Санкт-Петербургского государственного университета. Участниками являются пациенты, госпитализированные с тяжёлой формой COVID-19, и здоровые люди, входящие в группу популяционного контроля. Использовали биоматериал из коллекции биобанка СПб ГБУЗ «Городская больница № 40».

Этическая экспертиза

Все пациенты подписали информированное добровольное согласие. Исследование одобрено экспертным советом по этике СПб ГБУЗ «Городская больница № 40».

Нагрузочный генный тест

Нагрузочное тестирование проводили путём объединения генетических вариантов в два различных набора, называемых масками. Первая маска (M1) включала варианты, приводящие к потере функции, и обозначенные как HIGH IMPACT в базе данных Ensembl [15], вторая маска (M2) — все варианты из первой маски, а также варианты MODERATE IMPACT. После того как варианты были объединены по генам, на которых они расположены, для каждого участника и для каждой маски генам присваивали балл 0 — при отсутствии вариантов в этой маске; балл 1 — если у участника был один или несколько гетерозиготных вариантов в этой маске; и балл 2 — если у участника был один или несколько гомозиготных вариантов в этой маске. Векторы этих баллов применяли в качестве предикторов в моделях логистической регрессии, где тяжесть течения COVID-19 — зависимая величина. В модели логистической регрессии также были использованы 10 главных генетических компонент, полученных из распространённых генетических вариантов с частотой встречаемости минорного аллеля (minor allele frequency, MAF) >1%. Статистическая обработка выполнена с помощью Python 3 [16] с использованием библиотеки firthlogist, корректировка редких или несбалансированных событий проведена методом пенализации правдоподобия Фирта, что позволило получить несмещённые оценки эффекта. Анализ проводили для вариантов с MAF менее 1%, определённой на основе gnomAD [17]. Варианты, для которых доля пропущенных значений превышала 10%, были удалены из анализа. Уровень значимости корректировали с помощью поправки Бонферрони на множественную проверку гипотез.

РЕЗУЛЬТАТЫ

Исследуемая популяция

Всего в исследование включен биоматериал 701 испытуемого, среди которых 318 женщин (45%), средний возраст которых составил 62 года (±14 лет); 383 мужчины (55%), средний возраст которых составил 58 лет (±14 лет). Группа участников исследования категоризирована по полу, тяжести течения заболевания и исходу (табл. 1). Использованы следующие клинические и клинико-рентгенологические критерии:

 

Таблица 1. Характеристика когорты пациентов, n

Table 1. Patient cohort characteristics (n)

Тяжесть течения заболевания и его исход	Мужчины	Женщины	Всего
Тяжесть течения: не болел лёгкая средняя тяжёлая крайне тяжёлая	32 24 171 154 2	29 19 163 104 3	61 43 334 258 5
Исход заболевания: не болел выздоровление смертельный	32 287 64	29 246 43	61 533 107

 

• лёгкое течение COVID-19: температура тела ниже 38 °С, слабость, боль в горле, кашель, отсутствие показателей, свойственных для умеренного и тяжёлого течения;
• умеренное течение COVID-19: наличие лихорадки, температура тела выше 38 °С, частота дыхания более 22 в минуту, одышка, пневмония, периферическая капиллярная оксигенация (SpO₂) <95%;
• тяжёлое течение COVID-19: частота дыхания более 30 в минуту; SpO₂ ≤93%; индекс оксигенации (PaO₂/FiO₂) ≤300 мм рт.ст.; прогрессирование изменений в лёгких, характерных для COVID-19, пневмонии; а также появление признаков других патологических состояний; изменение уровня сознания; нестабильная гемодинамика;
• крайне тяжёлое течение COVID-19: признаки острого респираторного дистресс-синдрома, наличие септического шока и множественная органная недостаточность.

Отобранные гены

Основное внимание было сосредоточено на ранее выявленных ассоциациях из наиболее надёжных и интерпретируемых исследований. В результате обзора литературы определён список генов, потенциально подходящих для последующей репликации (табл. 2 [6–10, 18–25]).

 

Таблица 2. Список генов, отобранных для репликационного анализа

Table 2. List of genes selected for replication analysis

Название гена	Хромосома	Литература
TLR3	4	Zhang Q., et al., Science, 2020 [18]
UNC93B1	11	Zhang Q., et al., Science, 2020 [18]
TICAM1	19	Zhang Q., et al., Science, 2020 [18]
TBK1	12	Zhang Q., et al., Science, 2020 [18]
AIRE	21	Zhang Q., et al., Nature, 2022 [19] Bastard P., et al., J Exp Med, 2021 [20]
RAG1	11	Zhang Q., et al., Nature, 2022 [19] Bastard P., et al., J Exp Med, 2021 [20]
RAG2	11	Zhang Q., et al., Nature, 2022 [19] Bastard P., et al., J Exp Med, 2021 [20]
HLA-DQB1	6	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Kousathanas et al., Nature, 2022 [10] Pairo-Castineira E., et al., Nature, 2021 [9]
HLA-DQB2	6	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Kousathanas A., et al., Nature, 2022 [10] Pairo-Castineira E., et al., Nature, 2021 [9]
MUC1	1	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Kousathanas A., et al., Nature, 2022 [10]
SLC6A20	3	Kousathanas A., et al., Nature, 2022 [10] Shelton J.F., et al., Nat Genet, 2021 [21] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Carracedo Á., et al., medRxiv, 2021 [22]
LZTFL1	3	Shelton J.F., et al., Nat Genet, 2021 [21] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Roberts G.H.L., et al., medRxiv, 2020 [23] Pairo-Castineira E., et al., Nature, 2021 [9] The Severe Covid-19 GWAS Group, N Engl J Med., 2020 [8] Carracedo Á., et al., medRxiv, 2021 [22]
ABO	9	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Shelton J.F., et al., Nat Genet, 2021 [21] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Roberts G.H.L., et al., medRxiv, 2020 [23] The Severe Covid-19 GWAS Group, N Engl J Med, 2020 [8] Horowitz J.E., et al., Nat Genet, 2022 [24]
SFTPD	10	COVID-19 Host Genetics Initiative, Nature, 2022 [6] The Severe Covid-19 GWAS Group, N Engl J Med, 2020 [8]
MUC5B	11	COVID-19 Host Genetics Initiative, Nature, 2022 [6]
OAS1	12	COVID-19 Host Genetics Initiative, Nature, 2022 [6] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Pairo-Castineira E., et al., Nature, 2021 [9] Huffman J.E., et al., Nat Genet, 2022 [25]
TYK2	19	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Kousathanas A., et al., Nature, 2022 [10] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Pairo-Castineira E., et al., Nature, 2021 [9]
IFNAR2	21	COVID-19 Host Genetics Initiative, Nature, 2022 [6] Kousathanas A., et al., Nature, 2022 [10] COVID-19 Host Genetics Initiative, Nature, 2021 [7] Pairo-Castineira E., et al., Nature, 2021 [9] Horowitz J.E., et al., Nat Genet, 2022 [24] Carracedo Á., et al., medRxiv, 2021 [22] Zhang Q., et al., Science, 2020 [18]

 

Результаты анализа нагрузочных тестов

Для учёта ожидаемо малого количества редких детерминантных вариантов с бόльшим эффектом использовали нагрузочное тестирование, позволяющее увеличить статистическую мощность для проверки ассоциаций между редкими вариантами и различными проявлениями заболевания [26]. При таком тестировании каждый вариант объединяется в более крупные наборы вариантов и далее проверяется связь между группами вариантов и фенотипом (зависимой величиной). При использовании порога значимости p-value 0,05/(6+18)=0,002 не обнаружено генов, ассоциированных с тяжестью течения COVID-19 в исследуемой когорте (табл. 3). При этом из результатов выделяется ген TLR3, уровень значимости для которого (p=0,09 по первой маске) был заметно ниже по сравнению с остальными генами. Данный ген демонстрирует обогащение вредными вариантами в группе случаев (отношение шансов (ОШ) — 13,6). Среди исследуемых генов дополнительно можно выделить еще два во второй маске: MUC5B и OAS1, коэффициент которых имел уровень значимости, наиболее близкий к пороговому, среди всех генов во второй маске (c p=0,14 и p=0,16 соответственно).

 

Таблица 3. Результаты нагрузочного тестирования

Table 3. Burden testing results

Ген	Маска	Коэффициент	Стандартная ошибка	p	ОШ	95% ДИ для ОШ
TLR3	M1	2,61	2,35	0,09	13,6	0,7–2072,6
TBK1	M1	–0,24	0,41	0,55	0,8	0,3–1,7
AIRE	M1	0,56	1,43	0,63	1,8	0,1–22
MUC1	M1	–1,29	2,34	0,41	0,3	0–5,6
SLC6A20	M1	–0,26	1,20	0,80	0,8	0,1–5,9
TYK2	M1	0,63	1,25	0,57	1,9	0,2–16,1
TLR3	M2	0,53	0,70	0,43	1,7	0,4–6,3
UNC93B1	M2	0,50	1,42	0,67	1,6	0,1–20,6
TICAM1	M2	0,47	0,65	0,45	1,6	0,5–5,6
TBK1	M2	–0,25	0,31	0,40	0,8	0,4–1,4
AIRE	M2	–0,31	0,39	0,41	0,7	0,3–1,5
RAG1	M2	0,12	0,33	0,72	1,1	0,6–2,1
RAG2	M2	–0,25	0,42	0,54	0,8	0,3–1,7
HLA-DQB1	M2	–0,04	0,13	0,76	1,0	0,7–1,2
HLA-DQB2	M2	–0,12	0,18	0,49	0,9	0,6–1,2
MUC1	M2	–0,07	0,33	0,83	0,9	0,5–1,7
SLC6A20	M2	–0,23	0,38	0,54	0,8	0,4–1,6
LZTFL1	M2	–0,09	1,11	0,93	0,9	0,1–5,8
ABO	M2	–0,13	0,14	0,34	0,9	0,7–1,2
SFTPD	M2	0,43	0,83	0,58	1,5	0,3–7,3
MUC5B	M2	–0,28	0,19	0,14	0,8	0,5–1,1
OAS1	M2	0,17	0,13	0,16	1,2	0,9–1,5
TYK2	M2	–0,09	0,31	0,77	0,9	0,5–1,7
IFNAR2	M2	0,46	0,59	0,41	1,6	0,5–5,0

 

ОБСУЖДЕНИЕ

Полученные результаты демонстрируют отсутствие значимой связи между тяжестью течения COVID-19 и обогащением редкими генетическими вариантами в отобранных генах, что согласуется с некоторыми результатами из исследования G. Butler-Laporte с соавт. [27]. В упомянутом исследовании проведён аналогичный анализ, где на выборке из 5085 случаев тяжёлого заболевания и 571 737 контролей тестировали в общей сложности 18 883 белок-кодирующих гена. С использованием порога значимости с поправкой на множественное тестирование обнаружено только 3 гена, ассоциированных хотя бы с одним из фенотипических проявлений COVID-19.

Несмотря на то, что нами не найдено значимых ассоциаций, из результатов выделяется ген TLR3, который показал наиболее высокий уровень значимости по сравнению с остальными. При этом обогащение патогенными вариантами наблюдалось именно в группе случаев. Продукт этого гена участвует как во врождённом, так и в адаптивном иммунном ответе за счёт выработки интерферонов I и III типов. Пациенты с мутациями TLR3 и дефицитом его продукта высоко восприимчивы к детскому герпесвирусному энцефалиту, а также имеют повышенный риск развития острого респираторного дистресс-синдрома при гриппе А [28, 29].

Для остальных генов исследования взаимосвязи между обогащением мутациями и тяжестью течения COVID-19 продемонстрировали различные направления корреляции. Например, для гена MUC1 обогащение патогенными вариантами по первой маске было смещено в сторону контролей (ОШ=0,3; 95% ДИ: 0–5,6). Муцины выполняют защитную функцию, предотвращая связывание SARS-CoV-2 с клеточной поверхностью. Однако появляются доказательства, что сверхэкспрессия различных муцинов коррелирует с тяжёлым течением COVID-19. Вариант гена rs41264915 MUC1, который приводит к повышенной экспрессии, был одним из немногих значимых SNP, связанных с тяжёлым течением COVID-19, в крупномасштабном GWAS [10]. Это согласуется также с данными другого исследования, которое показало, что увеличение экспрессии мРНК MUC1 связано с критической тяжестью заболевания [30].

Аналогичные закономерности выявлены для генов LZTFL1 (ОШ=0,9; 95% ДИ: 0,1–5,8) и SLC6A20 (ОШ=0,8; 95% ДИ: 0,1–5,9), что согласуется с последними исследованиями, которые предлагают ген LZTFL1 в качестве кандидата на ассоциацию с тяжёлым течением COVID-19 [31]. Авторы показали, что генетический вариант rs17713054 из ранних GWAS при дыхательной недостаточности, обусловленной COVID-19, является вариантом энхансерного мотива [8, 9], который приводит к увеличению экспрессии LZTFL1 и SLC6A20 [31]. При этом стоит отметить, что из двух генов только LZTFL1 экспрессируется в эпителиальных клетках лёгких. В контексте изучения патогенеза COVID-19 эпителий лёгких представляет интерес для понимания механизмов заражения SARS-CoV-2. При инфицировании его клетки демонстрируют признаки активации механизма эпителиально-мезенхимального перехода (ЭМП) [31]. Потенциально ЭМП, являющийся разновидностью иммунного ответа, препятствует распространению инфекции путём снижения экспрессии рецепторов для «входа» SARS-CoV-2 в дыхательные пути и позволяет в конечном итоге восстановить поражённые ткани [32]. Известно, что повышенная экспрессия LZTFL1 снижает интенсивность ЭМП, и это потенциально объясняет ассоциацию энхансерного варианта с менее благоприятным исходом [31].

Обогащение патогенными вариантами, смещённое в сторону случаев, наблюдалось для гена TYK2, который участвует в регуляции цитокинового ответа и поэтому является потенциальной мишенью для разработки лекарственных препаратов. Сообщалось, что у пациентов с COVID-19 экспрессия TYK2 снижена по сравнению с контролем [33].

Ограничением данного исследования является относительно небольшой размер выборки для анализа редких вариантов. Учитывая согласующееся с предыдущими исследованиями направление корреляции, можно предположить, что результаты могут быть реплицированы с достаточной значимостью на выборках большего размера.

ЗАКЛЮЧЕНИЕ

Проведено секвенирование клинического экзома 701 пациента. Проанализированы научные публикации, в результате чего были отобраны 18 генов, ассоциированных с тяжестью течения COVID-19. Последующий репликационный анализ, выполненный на исследуемой выборке, не обнаружил генов, значимо обогащённых функциональными генетическими вариантами в группе случаев или в группе контроля. При этом направление корреляции совпадает с выводами из ранее полученных исследований. Расширение исследуемой когорты приведёт к усилению мощности тестов и, возможно, позволит обнаружить больше значимых взаимосвязей между обогащением мутациями генов, описанных в литературе, и тяжестью течения COVID-19.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Источник финансирования. Исследование выполнено в рамках проекта Санкт-Петербургского государственного университета ID 94029859 и при взаимодействии с базой Ресурсного центра «Центр Биобанк».

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Вклад авторов. С.В. Апалько — курирование исследования, сбор и анализ литературных источников, редактирование статьи; А.В. Ностаева — обзор литературы, сбор и анализ литературных источников, проведение статистического анализа, подготовка и написание текста статьи; В.С. Шиманский — биоинформатическая обработка данных; Н.Н. Сушенцева — курирование исследования, сбор и анализ литературных источников, редактирование статьи; О.С. Попов — биоинформатическая обработка данных, редактирование статьи; А.Ю. Анисенкова — сбор и обработка материала; С.В. Мосенко — сбор и обработка материала; О.С. Глотов — концепция и дизайн исследования, редактирование статьи; А.М. Сарана — концепция и дизайн исследования; С.Г. Щербак — концепция и дизайн исследования. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией).

ADDITIONAL INFORMATION

Funding source. This work was supported by Saint Petersburg State University, project ID: 94029859. The investigation was carried out in cooperation with the Core facility center "Biobank".

Competing interest. The authors declare that they have no competing interests.

Authors’ contribution. S.V. Apalko — curation, collection and analysis of literary sources, editing the article; A.V. Nostaeva — literature review, collection and analysis of literary sources, statistical analysis, preparation and writing of the article; V.S. Shimansky — bioinformatics data processing; N.N. Sushentseva — supervision, collection and analysis of literary sources, editing the article; O.S. Popov — bioinformatics data processing, editing the article; A.Yu. Anisenkova — collection and processing of material; S.V. Mosenko — collection and processing of material; O.S. Glotov — study concept and design, editing the article; A.M. Sarana — study concept and design; S.G. Shcherbak — concept and design of the study. All authors confirm that their authorship meets the international ICMJE criteria (all authors have made a significant contribution to the development of the concept, research and preparation of the article, read and approved the final version before publication).

Об авторах

Светлана Вячеславовна Апалько

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Автор, ответственный за переписку.
Email: svetlana.apalko@gmail.com
ORCID iD: 0000-0002-3853-4185
SPIN-код: 7053-2507

канд. биол. наук

Россия, Сестрорецк; Санкт-Петербург

Арина Вячеславовна Ностаева

Городская больница № 40 Курортного района

Email: avnostaeva@gmail.com
ORCID iD: 0000-0001-9291-7550
SPIN-код: 1845-6794
Россия, Сестрорецк

Валентин Сергеевич Шиманский

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Email: shimansky.valya@yandex.ru
ORCID iD: 0000-0001-5662-8663
SPIN-код: 5547-6626
Россия, Сестрорецк; Санкт-Петербург

Наталья Николаевна Сушенцева

Городская больница № 40 Курортного района

Email: natalia@sushentseva.ru
ORCID iD: 0000-0002-5100-5229
SPIN-код: 5187-2286
Россия, Сестрорецк

Олег Сергеевич Попов

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Email: ospopov@outlook.com
ORCID iD: 0000-0003-1778-0165
SPIN-код: 5220-9174
Россия, Сестрорецк; Санкт-Петербург

Анна Юрьевна Анисенкова

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Email: anna_anisenkova@list.ru
ORCID iD: 0000-0001-5642-621X
SPIN-код: 4476-5192

канд. мед. наук, доцент

Россия, Сестрорецк; Санкт-Петербург

Сергей Викторович Мосенко

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Email: neurologist@mail.ru
ORCID iD: 0000-0002-1357-4324
SPIN-код: 9543-8506

канд. мед. наук, доцент

Россия, Сестрорецк; Санкт-Петербург

Олег Сергеевич Глотов

Научно-исследовательский институт акушерства, гинекологии и репродуктологии им. Д.О. Отта; Детский научно-клинический центр инфекционных болезней Федерального медико-биологического агентства

Email: olglotov@mail.ru
ORCID iD: 0000-0002-0091-2224
SPIN-код: 4531-3449

д-р биол. наук

Россия, Санкт-Петербург; Санкт-Петербург

Андрей Михайлович Сарана

Санкт-Петербургский государственный университет

Email: asarana@mail.ru
ORCID iD: 0000-0003-3198-8990
SPIN-код: 7922-2751

канд. мед. наук, доцент

Россия, Санкт-Петербург

Сергей Григорьевич Щербак

Городская больница № 40 Курортного района; Санкт-Петербургский государственный университет

Email: b40@zdrav.spb.ru
ORCID iD: 0000-0001-5036-1259
SPIN-код: 1537-9822

д-р мед. наук, профессор

Россия, Сестрорецк; Санкт-Петербург

Список литературы

Дополнительные файлы