Un enfoque de aprendizaje automático para comprender el papel genético en el pronóstico de COVID-19: la influencia de...

Área de la Ciencia:

• La genética
• Inmunología
• Enfermedades infecciosas

Sus antecedentes:

• La gravedad del COVID-19 varía significativamente entre las personas.
• La predisposición genética es un factor clave que influye en los resultados de la enfermedad.
• Comprender la base genética del COVID-19 es crucial para la estratificación del riesgo.

Objetivo del estudio:

• Investigar la asociación entre los polimorfismos genéticos en las vías RAAS, citoquinas y vitamina D y la gravedad del COVID-19.
• Identificar las variantes genéticas que predicen significativamente el pronóstico de COVID-19 utilizando el aprendizaje automático.
• Para aclarar la etiología genética de la gravedad del COVID-19.

Principales métodos:

• Análisis de 338 pacientes con COVID-19.
• Utilizó algoritmos de aprendizaje automático para identificar predictores genéticos significativos.
• Centrado en polimorfismos en genes que incluyen IL6, IL6R, IL1α, IL1R, IFNγ, TNFα, CRP, VDR, VDBP y ACE2.

Principales resultados:

• Se identificaron polimorfismos en los genes IL6, IL6R, IL1α, IL1R, IFNγ, TNFα, CRP, VDR, VDBP y ACE2 como predictores significativos de la gravedad del COVID-19.
• Los modelos de aprendizaje automático alcanzaron altos valores de AUC (0,86 para la neumonía / mortalidad, 0,85 para la rehospitalización).
• Estos factores genéticos influyen en los riesgos de neumonía, mortalidad, rehospitalización y mortalidad asociada.

Conclusiones:

• Los antecedentes genéticos juegan un papel crítico en el pronóstico del COVID-19.
• Los modelos de aprendizaje automático impulsados por la genética pueden identificar eficazmente a los pacientes de alto riesgo.
• Centrarse en las variantes genéticas en las vías de ACE2, inflamación y vitamina D ayuda a predecir el riesgo.