メタボロミックプロファイリングと機械学習のアプリケーションは,ラットモデルの致命的な低体温を差別するために使用されます

科学分野:

• 法医学科学は,法医科学である.
• メタボロミクスとは
• コンピュータ生物学 コンピュータ生物学

背景:

• 致死性低体温症症例における死因の区別は,法医学実践において課題を提示する.
• メタボロミック・プロフィーリングは,このような場合における死因の客観的な決定のための潜在的な道を提供します.

研究 の 目的:

• 非標的メタボロミック分析と機械学習アルゴリズムを適用し,致死性低温症を他の疾患から区別する.
• 低温曝露に関連する死亡を特定するための信頼できる代謝バイオマーカーを特定する.

主な方法:

• 超高性能液体染色体タンデム質量スペクトロメトリー (UPLC-MS/MS) は,ネズミのイリオプソア筋のサンプルを非ターゲットの代謝プロファイリングに使用されました.
• 6つの機械学習アルゴリズム (KNN,DT,SVM,RF,LR,GNB) が予測モデルを構築するために使用されました.
• モデルはスクリーニングされ,クロス検証とパラメータチューニングを通じて最適化され,予測性能について評価されました.

主要な成果:

• 低体温,低酸素,対照群の間で代謝産物プロフィールにおける有意な差異が観察されました.
• 機械学習モデルは,低体温と対照群および低酸素群を区別する上で良好なパフォーマンスを示しました.
• ロジスティック回帰,SVM,KNN,GNBは,低体温と低酸素のグループを比較する際に優れた予測能力を示しました.

結論:

• 開発された機械学習モデルは,低体温による死亡の法医学調査において実用的な応用が期待されることを示している.
• 重要な代謝バイオマーカーと経路が特定され,潜在的なmRNAとタンパク質レベルの相関が示唆されました.
• この研究は,低温での死亡における死因の客観的な決定に関する新しい洞察を提供します.