IBDの中央炭素代謝に関連するバイオマーカーを特定するために,機械学習と組み合わせた標的尿代謝学

科学分野:

• メタボロミクス
• 胃腸内科
• 生物化学

背景:

• 炎症性腸疾患 (IBD) は,クローン病 (CD) と潰瘍性大腸炎 (UC) を含む慢性腸炎症である.
• IBDの現在の診断方法は侵襲的で高価で,時間がかかり,非侵襲的な代替手段の開発が必要である.

研究 の 目的:

• IBDサブタイプ (CDとUC) を健康な対照群から区別するために尿の代謝シグネチャーを調査する.
• メタボロミックデータを用いて非侵襲性IBD診断のための機械学習モデルを開発し,検証する.

主な方法:

• 尿サンプルからの中央炭素代謝における49の代謝物質の標的化分析.
• 6つの機械学習アルゴリズムとクロス検証されたAUCを用いた診断モデルの構築と評価.
• SHAP (SHapley Additive exPlanations) の適用は,モデル解釈と主要な差別代謝物の特定のために行われます.

主要な成果:

• 6つの代謝産物 (キシロース,イソシート酸,フルクトーゼ,L-フクゾーゼ,N-アセチル-D-グルコサミン,グリコリック酸) は,UCと対照群を区別した.
• 3つの代謝産物 (キセロース,L-フコース,シトリック酸) は,対照群からCDを区別した.
• 最適なモデルは,UCで0. 84,CDで0. 93のAUCを達成し,疾患活動調整で精度を維持した. SHAP分析で特定された主要な代謝産物

結論:

• 中枢炭素代謝における明確な尿代謝プロファイルはIBDサブタイプと関連しています.
• メタボライトパネルと機械学習モデルは,UCとCDを健康な個体から区別するための非侵襲的なツールとして有望です.