統合メタボロミクスとトランスクリプトミクスは、機械学習によるフェンタニル類似体乱用の検出のためのバイオマーカーを明らかにする

科学分野:

• 薬理学と毒物学
• ゲノミクスとバイオインフォマティクス
• 分析化学

背景:

• フェンタニル類似体（FA）は、広範な乱用、高い毒性、検出の問題により、世界的な課題となっています。
• 既存の方法ではFA乱用を正確に特定することが困難であり、新しい診断アプローチが必要とされています。

研究 の 目的:

• フェンタニル類似体（FA）乱用を特定し、異なるFAを分類するための正確な方法を確立すること。
• FA乱用に関連する主要な遺伝子と代謝物を特定すること。

主な方法:

• 条件付けられた場所嗜癖（CPP）パラダイムを使用してFA乱用ラットモデルを構築しました。
• メタボロミクスおよびトランスクリプトミクスデータ取得のために、デュアルプラットフォーム液体クロマトグラフィー-高分解能質量分析（LC-HRMS）を採用しました。
• 重み付き遺伝子共発現ネットワーク分析（WGCNA）および特性モジュール相関分析を利用しました。

主要な成果:

• 全体的なFA乱用に関連する主要な遺伝子と代謝物を特定しました。
• 31の代謝物と12のハブ遺伝子を使用して、100％の精度（AUC = 1）でFA乱用同定モデルを開発しました。
• 最大1のAUCで77.27％の精度で異なるFAを区別する分類モデルを作成しました。

結論:

• 特定されたバイオマーカーと計算モデルは、FA乱用の臨床診断に役立ちます。
• これらのツールは、薬物規制とオピオイド危機への対処にとって重要です。
• この研究は、フェンタニル類似体の誤用の検出と区別における重要な進歩を提供します。