Identificación basada en el aprendizaje automático de una firma transcriptómica de la sangre que distingue entre la...

Área de la Ciencia:

• Inmunología y Biología Computacional
• Transcriptómica y bioinformática

Sus antecedentes:

• La autoinmunidad sistémica y las infecciones comparten componentes inmunológicos, lo que dificulta el desarrollo de biomarcadores diagnósticos.
• Distinguir entre enfermedades autoinmunes e infecciosas es clínicamente desafiante debido a las patologías superpuestas.

Objetivo del estudio:

• Evaluar el análisis del transcriptoma de sangre entera para discriminar las enfermedades autoinmunes de las infecciones.
• Desarrollar y validar un nuevo método de preprocesamiento de datos de secuenciación de ARN para mejorar la precisión del diagnóstico.

Principales métodos:

• Se utilizó la validación cruzada anidada con algoritmos de aprendizaje automático (bosques aleatorios, k-NN, SVM) en 22 conjuntos de datos públicos (594 autoinmunes, 615 enfermedades infecciosas).
• Implementó un nuevo método de preprocesamiento para abordar los efectos de los lotes de secuenciación de ARN mediante la clasificación de los valores de expresión génica.
• Realizó análisis de enriquecimiento de genes informativos para identificar reguladores y vías biológicas.

Principales resultados:

• El nuevo método de preprocesamiento logró una precisión del 98% en las patologías discriminatorias, en comparación con el 63% con los datos en bruto.
• La validación externa demostró exactitudes entre el 80% y el 96% para distinguir nuevos conjuntos de datos de enfermedades autoinmunes e infecciosas.
• Una firma de 24 genes, incluidos RPL7, TLK2 y ANK2, diferenciaron las enfermedades autoinmunes de las infecciosas con un 89% de precisión.

Conclusiones:

• Un nuevo algoritmo de corrección de lotes aplicado a los transcriptomas de sangre entera puede diferenciar efectivamente las enfermedades autoinmunes de las infecciosas.
• Este enfoque ofrece perspectivas mecanicistas potenciales en la patogénesis autoinmune y proporciona nuevos biomarcadores para el diagnóstico diferencial.
• Los hallazgos apoyan el análisis del transcriptoma como una herramienta valiosa para el diagnóstico de pacientes con trastornos inflamatorios.