Metabolomía urinaria dirigida combinada con aprendizaje automático para identificar biomarcadores relacionados con el...

Área de la Ciencia:

• Metabolomía
• Gastroenterología
• La bioquímica

Sus antecedentes:

• La enfermedad inflamatoria intestinal (IBD), que abarca la enfermedad de Crohn (CD) y la colitis ulcerosa (UC), es una condición inflamatoria gastrointestinal crónica.
• Los métodos de diagnóstico actuales para la EII son invasivos, costosos y requieren mucho tiempo, lo que requiere el desarrollo de alternativas no invasivas.

Objetivo del estudio:

• Investigar las señales metabólicas urinarias para diferenciar los subtipos de EII (CD y UC) de los controles sanos.
• Desarrollar y validar modelos de aprendizaje automático para el diagnóstico no invasivo de EII utilizando datos metabólicos.

Principales métodos:

• Análisis metabolómico dirigido de 49 metabolitos en el metabolismo central del carbono de muestras urinarias.
• Construcción y evaluación de modelos de diagnóstico utilizando seis algoritmos de aprendizaje automático y AUC validado por cruce.
• Aplicación del SHAP (Shapley Additive Explanations) para la interpretación del modelo y la identificación de los metabolitos discriminatorios clave.

Principales resultados:

• Seis metabolitos (xilosa, ácido isocítrico, fructosa, L-fucosa, N-acetil-D-glucosamina, ácido glicólico) distinguían la UC de los controles.
• Tres metabolitos (xilosa, L-fucosa, ácido cítrico) distinguían la CD de los controles.
• Los modelos óptimos alcanzaron AUC de 0,84 para UC y 0,93 para CD, manteniendo la precisión con ajuste de la actividad de la enfermedad. Metabolitos clave identificados mediante el análisis SHAP.

Conclusiones:

• Los distintos perfiles metabólicos urinarios en el metabolismo central del carbono están asociados con los subtipos de EII.
• Los paneles de metabolitos y los modelos de aprendizaje automático son prometedores como herramientas no invasivas para diferenciar la UC y la CD de los individuos sanos.