肠道微生物群作为甲基胺使用障碍的潜在生物标志物:来自两个独立数据集的证据
Linzi Liu1, Zijing Deng1, Wen Liu1
1Department of Psychiatry, The First Hospital of China Medical University, Shenyang, Liaoning, China.
Frontiers in cellular and infection microbiology
|October 4, 2023
概括
肠道微生物群分析可以识别甲基胺使用障碍 (MUD). 使用这些微生物特征的机器学习模型在诊断MUD及其禁用期方面显示出高准确性.
科学领域:
- 微生物组研究的研究.
- 临床诊断 临床诊断 临床诊断
- 机器学习应用程序 机器学习应用程序
背景情况:
- 甲基胺使用障碍 (MUD) 是一个重要的公共卫生问题.
- 目前的MUD识别依赖于主观的自我报告的症状.
- 肠道失生症和微生物参与MUD病理学是新兴的研究领域.
研究的目的:
- 为了研究MUD患者的肠道失生症.
- 开发一种用于使用肠道微生物群识别MUD的机器学习模型.
- 探索微生物特征,以确定MUD禁食期.
主要方法:
- 来自MUD患者和健康对照者的便样本的16S rDNA测序.
- 使用微生物特征开发和验证机器学习模型.
- 在早期戒断期 (前三个月) 分析肠道微生物群.
主要成果:
- 患有MUD的患者表现出显著的肠道失调,包括改变的微生物丰富性,均性和丰富性 (例如,蛋白质细菌,菌菌).
- 一个机器学习模型在识别MUD患者方面取得了高准确性 (AUROC 0.906),并得到了外部验证 (AUROC 0.830).
- 特定的肠道微生物群特征,如Actinobacteria丰富,在MUD患者中被确定在戒断三个月内,该模型实现了AUROC 0.930这一分类.
结论:
- 肠道微生物群作为MUD识别的有希望的生物标志物.
- 整合微生物数据的机器学习模型可以增强MUD诊断.
- 建议进行进一步的纵向研究以验证这些发现.
