血代谢指纹用于大规模查和对代谢综合征的个性化风险分层

科学领域:

• 代谢学 代谢学 代谢学
• 计算生物学 计算生物学
• 临床诊断 临床诊断 临床诊断

背景情况:

• 代谢综合征 (MetS) 诊断因其异质性而受到挑战.
• 目前的诊断方法可能无法有效捕捉疾病的早期阶段.

研究的目的:

• 为了识别新的血代谢指纹,用于早期识别 MetS.
• 开发和验证用于MetS诊断和风险分层的机器学习模型.
• 通过代谢分析来评估主要的MetS风险因素的贡献.

主要方法:

• 从13,554名参与者的血样本进行大规模代谢分析.
• 26个与MetS和MetS前相关的枢纽血代谢指纹 (PMF) 的识别.
• 机器学习诊断模型的开发和验证.
• 评估风险因素贡献和个性化风险分层 (PMR).

主要成果:

• 确定了26个与MetS及其早期阶段 (MetS前) 相关的枢纽PMF.
• 开发了准确的机器学习模型,用于诊断前MetS和MetS.
• 排名高血糖,高血压,脂质不良和肥胖作为关键的危险因素.
• 建立了一个个性化的三维血代谢风险 (PMR) 分层,具有三个不同的模式.

结论:

• 该研究提供了有效的查工具,用于在社区环境中识别预先MetS和MetS.
• 新型的PMF和机器学习模型增强了早期检测和个性化风险评估.
• 代谢表型化揭示了现实世界人口中的异质风险模式.