プラズマメタボロミクスと機械学習に関する将来的なマルチセンター研究で,早発の診断とダポキセチンの治療応答の予測を目的としています

科学分野:

• メタボロミクスとは
• バイオマーカーの発見
• 医学における機械学習

背景:

• 提前射精 (PE) は,ダポキセチン治療に対する反応が変動する一般的な性機能障害です.
• PEの診断と治療を導くためのバイオマーカーが必要である.
• 明確な血代謝プロフィールは,PE患者と健康な対照群を区別し,治療結果を予測することができます.

研究 の 目的:

• 主要早発性 (PPE) の患者の血代謝プロフィールを調査する.
• PPEの診断のための機械学習 (ML) ベースのモデルを開発する.
• ダポキセチン治療に対する患者の反応を予測するためのMLモデルを作成する.

主な方法:

• 69人のPPE患者と51人の健康な対照群 (HC) のプラズマサンプルを対象としない代謝分析.
• 小分子経路データベースと基因とゲノムの京都百科事典を用いた経路濃縮分析.
• サポートベクトルマシン,ランダムフォレスト,LASSO回帰をバイオマーカーのスクリーニングとモデル開発に応用する.
• 神経伝達物質のレベルを定量化するための標的メタボロミクス.

主要な成果:

• メタボリックプロファイルは,PPE患者をHC患者から明確に分離し,ダポキセチン治療への反応を予測しました.
• アミノ酸代謝,D-アミノ酸代謝,アルギニンの生合成経路は,PPEで著しく強化されました.
• MLモデルは,PPEを診断し,治療への反応を予測するために高い精度 (AUC > 0.9) を達成しました.
• PPE患者では神経伝達物質の有意な失調が確認されました.

結論:

• 機械学習モデルは,PPEの診断とダポキセチンの治療反応の予測において,堅実なパフォーマンスを示しています.
• 異なる代謝プロファイルと神経伝達物質の調節障害は,PPEの病理生理学に関係しています.
• これらの発見は,PEのMLベースの診断および予測ツールの潜在的な臨床翻訳をサポートしています.