敗血症のコアバイオマーカーの同定と検証：バイオインフォマティクスと機械学習を用いた包括的分析

科学分野:

• 免疫学
• バイオマーカー発見
• バイオインフォマティクス

背景:

• 敗血症の診断は困難であり、現在の方法では特異性と早期検出能力が欠けています。
• 信頼性の高いバイオマーカーは、敗血症におけるタイムリーな介入と患者転帰の改善に不可欠です。
• SOFAスコア、プロカルシトニン（PCT）、C反応性タンパク質（CRP）などの既存の敗血症診断ツールには限界があります。

研究 の 目的:

• 敗血症の診断と予後のための新規主要バイオマーカーを同定および検証すること。
• 現在の敗血症診断法の限界に対処すること。
• 同定されたバイオマーカーが臨床介入を導く可能性を探求すること。

主な方法:

• 末梢血mRNAシーケンシングのために、敗血症患者23名と健常対照10名を採用しました。
• 差次的遺伝子発現解析のために公開データセットを利用しました。
• GO/KEGGエンリッチメント、PPIネットワーク、ROC解析、機械学習モデル、生存解析、免疫細胞局在を含むバイオインフォマティクス解析を実施しました。

主要な成果:

• 敗血症のコアバイオマーカーとしてCD27、KLRB1、RETN、CD163を同定し、有意な発現差を示しました。
• 機械学習モデルは、これらのバイオマーカーの診断性能において優れた性能（AUC > 0.9）を示しました。
• 生存解析は、KLRB1、RETN、CD163と敗血症の予後との関連を明らかにし、死亡リスクとの特定の関連を示しました。
• 免疫細胞の局在は、T細胞、NK細胞、単球、好中球が関与する細胞型ベースの免疫調節ネットワークを明らかにしました。

結論:

• CD27、KLRB1、RETN、CD163は、敗血症の進行を反映する動的な免疫ネットワークを形成します。
• これらのバイオマーカーのモニタリングは、免疫状態を評価し、個別化された治療（抗炎症または免疫刺激）を導くことができます。
• 本研究は、早期敗血症診断と個別化治療戦略のための新しい道を提供します。