机器学习用于预测印度人口的糖尿病代谢,使用极性代谢和脂质特征

科学领域:

• 生物化学 生物化学
• 代谢学 代谢学 代谢学
• 利皮多米克 (Lipidomics) 是一种消化剂.
• 计算生物学 计算生物学

背景情况:

• 糖尿病是一种日益严重的全球健康问题,特别是在印度等多样化的人口中.
• 早期识别糖尿病风险和进展对于有效的管理和预防至关重要.
• 了解糖尿病中的代谢和脂质变化是开发新型诊断工具的关键.

研究的目的:

• 在印度亚种群中确定糖尿病的特定代谢物和脂质生物标志物.
• 开发机器学习模型,使用代谢和脂质组概况来预测糖尿病易感性.
• 评估这些生物标志物的实用性,以区分健康,新诊断和长期糖尿病患者.

主要方法:

• 分析了87名参与者的血清样本 (健康的,新诊断的,长期糖尿病患者).
• 核磁共振 (NMR) 和液态染色学-质谱学 (LCMS) 用于代谢和脂质组分析.
• 机器学习算法被用来建立基于全面的代谢和脂质数据的预测模型.

主要成果:

• 确定了关键生物标志物,包括曼诺斯,贝他因,桑,三甘油 (38:1),斯芬戈米林 (d63:7) 和酸 (37:2).
• 预测模型在测试和验证数据集上都取得了很好的准确性 (ROC-AUC = 1).
• 该模型成功地预测了糖尿病前期糖尿病患者的糖尿病状况,基于独立于葡萄糖水平的代谢概况.

结论:

• 截然不同的极性代谢和脂质特征使糖尿病患者与健康对照者有所区别.
• 在易患糖尿病的个体中,脂质资料的变化可能会先于极性代谢物的变化.
• 代谢和脂质分析提供了一种葡萄糖独立的方法来评估个体的糖尿病代谢状态.