使用对代谢数据的监督机器学习预测自发早产:一个案例-队列研究
Yasmina Al Ghadban1, Yuheng Du2, D Stephen Charnock-Jones3,4,5
1Nuffield Department of Women's and Reproductive Health, University of Oxford, Oxford, UK.
BJOG : an international journal of obstetrics and gynaecology
|November 20, 2023
概括
母体血清代谢物可以预测自发早产 (sPTB). 一种特定的脂,1-palmitoleoyl-GPE,显示出作为一个新的生物标志物对sPTB和自发早产 (sETB) 的承诺.
科学领域:
- 生物化学和代谢学
- 生殖医学是一种生殖医学.
- 机器学习在医疗保健中的应用
背景情况:
- 自发早产 (sPTB) 和自发早产 (sETB) 是一个重要的产科问题.
- 确定可靠的生物标志物来预测这些结果对于及时干预至关重要.
研究的目的:
- 为了识别和验证预测自发早产 (sPTB) 的母体血清代谢物.
- 利用这些代谢物来预测自发早产 (sETB).
主要方法:
- 在对399名参与者的前性队列研究中使用了案例-队列设计.
- 对母体血清样本的非向代谢分析在多个妊娠年龄进行.
- 六种监督机器学习方法和Cox/逻辑回归模型用于代谢物识别和预测.
主要成果:
- 47种代谢物,主要是脂质,被确定为sPTB的显著预测因素.
- 一个4代谢物模型在妊娠28周时达到0.703的AUC,用于sPTB预测.
- 溶脂1-palmitoleoyl-GPE (16:1) * 成为不同妊娠年龄的sPTB和sETB的强有力的预测剂.
结论:
- 孕产妇血清代谢物,特别是脂质,可以有效地识别和验证为sPTB的预测因素.
- 1-palmitoleoyl-GPE (16:1) * 是一个新的潜在生物标志物,用于预测sPTB和sETB.
- 需要对这些发现在不同人群中进行外部验证.
