Video Experimental Relacionado
Updated: May 5, 2026
Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
Integración multi-ómica revela heterogeneidad molecular y construye un modelo de supervivencia de aprendizaje
Songzan Qian1, Rui Zheng2, Yiyi Shi3
1Department of Intensive Care Unit, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, 325000, China.
Este estudio revela los impulsores moleculares clave de la coagulopatía inducida por sepsis (CIS) y desarrolla un modelo de aprendizaje automático para una mejor estratificación del riesgo del paciente. El modelo integrado mejora la precisión de la predicción en comparación con los datos clínicos solos.
Área de la Ciencia:
- Bioquímica
- Genómica
- Aprendizaje Automático
Sus antecedentes:
- La coagulopatía inducida por sepsis (CIS) presenta una alta heterogeneidad y mortalidad.
- Los modelos pronósticos actuales carecen de precisión debido a información molecular limitada.
- Existe la necesidad de una estratificación de riesgos avanzada en la CIS.
Objetivo del estudio:
- Explorar el panorama molecular de la CIS utilizando la integración multi-ómica.
- Desarrollar un modelo robusto de aprendizaje automático (ML) para predecir la supervivencia de la CIS.
- Mejorar la estratificación temprana del riesgo y el manejo de precisión de la CIS.
Principales métodos:
- Análisis integrado multi-ómico de 878 pacientes con CIS, incluyendo transcriptómica (RNA-seq) y proteómica.
- Análisis de Redes de Expresión Génica Ponderada (WGCNA) y Análisis de Enriquecimiento de Conjuntos Génicos (GSEA) para la identificación de vías.
- Desarrollo de un marco de ML de conjunto que combina datos clínicos y transcriptómicos.
Principales resultados:
- Los factores clínicos como la edad, la puntuación SOFA y los niveles de lactato son predictores de mortalidad.
- Patrones específicos de expresión génica (por ejemplo, GABARAPL1, PHLPP1, KLF6) se correlacionan con el riesgo de mortalidad.
- El modelo ML integrado (Clínico + Transcriptómica) logró un índice C de 0.735, superando a los modelos clínicos solos (índice C: 0.694).
Conclusiones:
- La reprogramación metabólica, la hipoxia y el metabolismo del hemo son características moleculares clave de la CIS.
- El modelo de ML de conjunto proporciona una estratificación de riesgos superior para pacientes con CIS.
- Este enfoque facilita el manejo de precisión de la coagulopatía séptica.
