熱液体生検データ解析のための自動ベースライン補正および信号検出アルゴリズムとウェブベース実装
Karl C Reger1, Gabriela Schneider2,3, Keegan T Line1
1Department of Mathematics and Statistics, Northern Arizona University, Flagstaff, AZ 86011, USA.
Cancers
|January 10, 2026
まとめ
熱液体生検（TLB）の自動アルゴリズムはデータ処理を合理化します。これらのツールは、血漿およびその他の生体液におけるベースライン補正と信号検出を自動化することにより、疾患検出を改善します。
科学分野:
- 生物物理学
- 分析化学
- バイオテクノロジー
背景:
- 血漿の示差走査熱量測定（DSC）分析、すなわち熱液体生検（TLB）は、疾患検出に有望です。
- TLBの臨床的採用は、特にベースライン補正における労働集約的なデータ処理によって制限されています。
研究 の 目的:
- TLBデータ処理における重要なボトルネックに対処するための自動アルゴリズムを開発および検証すること。
- TLBワークフロー全体のためのオープンソースR Shiny Webアプリケーション、ThermogramForgeを作成すること。
主な方法:
- TLBにおける自動ベースライン補正のためのローリング分散ベースアルゴリズムを開発しました。
- 信号検出のための自己回帰移動平均（ARIMA）ベースの定常性検定アルゴリズムを実装しました。
- 両方のアルゴリズムをオープンソースのThermogramForge R Shiny Webアプリケーションに統合しました。
主要な成果:
- 自動ベースライン補正は、血漿TLBの手動処理に匹敵する品質を達成しました。
- 解釈可能な熱的特徴をスクリーニングするための信号検出アルゴリズムが開発され、尿のような低信号生体液の堅牢性が向上しました。
- 信号検出アルゴリズムは、情報量の多いTLBプロファイルに対して高い分類精度を示し、ノイズに対しては低い偽陽性率を示しました。
結論:
- 自動ベースライン補正および信号検出アルゴリズムは、TLB分析時間を大幅に短縮します。
- ThermogramForge Webアプリケーションは、効率的で再現性のあるTLB研究を促進します。
- これらの進歩は、疾患検出とモニタリングのためのTLBのより広範な臨床的採用をサポートします。
