使用表面辅助激光脱吸电离MS和机器学习进行肝癌查的血清脂质分析

科学领域:

• 生物化学 生物化学
• 分析化学 分析化学
• 在瘤学瘤学.
• 机器学习 机器学习

背景情况:

• 血清脂质的变化与肝脏疾病有关,突出显示了它们在肝脏健康中的作用.
• 肝癌的准确和早期诊断对于有效的治疗和患者的治疗结果至关重要.
• 现有的诊断方法可能缺乏广泛查所需的速度,方便性或可靠性.

研究的目的:

• 开发一种快速,简单,可靠的查技术来诊断肝癌.
• 为了利用脂质组分分析结合机器学习和表面辅助激光消耗电离质谱法 (SALDI MS).
• 评估开发的方法在区分LC患者与健康对照和慢性乙型肝炎患者的诊断性能.

主要方法:

• 一种新的石墨化碳矩阵 (GCM) 用SALDI MS.进行了合成,用于增强血清脂质分析.
• 血清脂质指纹,包括三糖醇 (TGs) 和二糖醇 (DGs),在没有先前提取的情况下直接分析.
• 五个机器学习算法被用来区分肝癌 (LC),健康对照 (HC) 和慢性乙型肝炎 (CHB) 患者.

主要成果:

• 与传统矩阵相比,GCM辅助的SALDI MS在中性脂质分析方面表现优越.
• 线性分辨分析 (LDA) 在区分LC患者方面实现了最高的诊断准确率98.3%.
• 接收器操作特征 (ROC) 曲线显示曲线下的面积 (AUC) 为0.99,表明肝癌的预测准确度很好.

结论:

• 石墨化碳矩阵辅助的LDI MS提供了一种强大而直接的血清脂质分析方法.
• 开发的脂质学方法与机器学习相结合,为肝癌提供了一个高度准确和可行的诊断工具.
• 这种技术有可能显著改善肝癌的早期检测和管理.