针对性代谢分析作为诊断非小细胞肺癌患者的工具
Ksenia M Shestakova1, Natalia E Moskaleva1, Andrey A Boldin2,3
1World-Class Research Center Digital Biodesign and Personalized Healthcare, I.M. Sechenov First Moscow State Medical University, Moscow, Russia, 119435.
Scientific reports
|July 8, 2023
概括
代谢学分析确定了非小细胞肺癌 (NSCLC) 中的主要血代谢物变化. 这些发现与生物信息学相结合,导致了一种机器学习模型,用于准确的肺癌诊断.
科学领域:
- 生物化学 生物化学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 肺癌是全球领先的癌症,具有诊断挑战.
- 对肺癌的个性化治疗仍然是有限的.
- 代谢学有可能通过生物标志物发现来改善肺癌诊断.
研究的目的:
- 为检测非小细胞肺癌 (NSCLC) 的血内源代谢物进行研究.
- 为了确定与NSCLC相关的特定代谢物变化和比率.
- 使用代谢数据开发用于NSCLC诊断的机器学习模型.
主要方法:
- 从100名NSCLC患者和100名对照人群中准血代谢分析.
- 应用单变量和多变量分析,部分相关性网络分析和机器学习.
- 基于显著改变的代谢物及其比例的分类模型的开发.
主要成果:
- 在NSCLC患者中观察到托代谢,TCA循环,尿素循环和脂质代谢代谢物质的显著变化.
- 确定了新的代谢物比率,有效地将NSCLC患者与对照患者区分开来.
- 一个机器学习模型在NSCLC分类中实现了0.96的ROC AUC.
结论:
- 代谢学与生物信息学相结合,为NSCLC诊断提供了一个强大的方法.
- 开发的机器学习模型显示了在早期肺癌检测中常规临床应用的前景.
- 这项研究强调了代谢生物标志物的潜力,以改善肺癌的诊断和管理.
