Pseudomonas aeruginosaによって引き起こされる呼吸道不活性症と非囊性線維症の急性悪化の機械学習予測:微生物炎症シグネチャーアプローチ

科学分野:

• 微生物学
• 肺科
• バイオ情報学

背景:

• Pseudomonas aeruginosa (PA) のコロニー化は, bronchiectasis の悪い結果と関連しています.
• 多様性の喪失によって特徴づけられる 微生物コミュニティの崩壊は 病原体負荷のみよりも 病変の進行を反映しているかもしれません

研究 の 目的:

• PAの植民によって引き起こされる呼吸道微生物の不活性化が生態学的脆弱性を誘発するかどうかを調査する.
• 1年間の急性悪化リスクを予測するために,全身性炎症マーカーと微生物多様性インデックスを統合する予測的有用性を評価する.

主な方法:

• 23人の患者から採取したブロンコアルベオラ洗浄液 (BALF) の16S rRNA遺伝子配列化.
• 微生物の多様性と分類学的組成の分析
• SHAPLEY ADDITIVE EXPLANATIONS (SHAP) を使った eXtreme Gradient Boosting (XGBoost) モデルの構築により,悪化のリスクが評価される.

主要な成果:

• PAによるコロニー化患者は,臨床的重症度が悪化し,生活の質が低下し,急性悪化を示した.
• 低アルファ多様性 (シャノン,シンプソン指数) がPAコロニー患者で観察された.
• 微生物の多様性と炎症マーカーを統合したXGBoostモデルは,1年間の悪化リスクを高い精度で予測した (AUC=0. 85) で,微生物の多様性は最も影響力のある予測因子であった.

結論:

• PAの植民は,気管の微生物の多様性を破壊する.
• 微生物の多様性によって示される生態学的回復力は,炎症マーカーと組み合わせた場合,病原体負荷よりも悪化リスクのより良い予測因子です.
• この研究は リスク評価を病原体中心から 生態系主導へと移行させ 個別化された管理と 抗生物質の管理を可能にします