多变量独立组件分析识别了新生儿查中的患者,与调整的参考范围相等

科学领域:

• 生物化学 生物化学
• 计算生物学 计算生物学
• 遗传学 遗传学是一种遗传学.

背景情况:

• 新生儿查 (NBS) 依赖于健康人群的参考范围来检测新生代谢错误 (IEMs).
• 目前的方法使用生物标志物度和比率的量子统计数据,这些数据可能无法捕捉复杂的代谢相互依赖.

研究的目的:

• 评估多变量独立组件分析 (ICA) 对分析NBS数据的实用性.
• 在IEM检测的背景下,探索ICA衍生得分的结构特征.

主要方法:

• 独立组件分析 (ICA) 应用于来自常规NBS计划 (2013-2022) 的大型数据集 (10,213对照,77名患者).
• 采用发现/验证阶段方法,在两个阶段应用相同的ICA模型.
• 通过评估ICA分数与标准偏差 (sd) 水平对比,分析结果,确定异常患者样本.

主要成果:

• 在发现和验证阶段,来自7个不同的IEM的患者样本被清楚地确定为来自对照组的异常值 (5sd).
• 在发现阶段,两个单个患者的IEM在3sd级别上被分离.
• 观察到新生儿出生体重与一个潜在变量之间存在显著的关联.

结论:

• 多变量ICA是分析NBS数据和检测IEM的一个有前途的工具.
• ICA有可能被纳入NBS计划的决策过程.
• 解释ICA得分结构可以帮助识别代谢异常.