使用血清代谢物和机器学习,根据病情活动状态对患有牛皮关节炎的患者进行分类
John Koussiouris1,2,3, Nikita Looby1,4,3, Max Kotlyar4,5,3
1Division of Rheumatology, Psoriatic Arthritis Program, Schroeder Arthritis Institute, University Health Network, Toronto, Canada.
Metabolomics : Official journal of the Metabolomic Society
|January 24, 2024
概括
研究人员确定了特定的脂质和代谢物,可以预测牛皮关节炎 (PsA) 的高疾病活性. 这一发现可能会导致更好的生物标志物来分类PsA患者,并改善治疗策略.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 数据科学数据科学数据科学
背景情况:
- 牛皮关节炎 (PsA) 是一种复杂的炎症状况,影响牛皮患者.
- 目前用于评估PsA疾病活性的方法缺乏用于患者分层的验证生物标志物.
- 准确的疾病活动评估对于有效的PsA临床管理至关重要.
研究的目的:
- 发现能够根据疾病活性水平对牛皮关节炎患者进行分类的新型代谢物.
- 确定潜在的生物标志物来分层PsA患者,以改善治疗策略.
主要方法:
- 分析了PSA患者的血清样本,这些患者的病态活性低,中等和高 (基于PASDAS得分).
- 专门的固相微提取 (SPME) -LC-HRMS方法被用于全面的脂质分析.
- 机器学习算法被用来构建疾病活动水平的预测模型.
主要成果:
- 机器学习模型在预测疾病活动水平方面表现出显著的准确性,AUC范围从0.74到0.818.
- 已确定的关键代谢物类包括脂,甲醇和碳酸.
- 作为有希望的候选物质,突出显示了特定的脂质,如 lysophosphatidylcholine 和 sphingomyelin.
结论:
- 脂质和代谢物的组合可以有效地预测PsA患者的高疾病活性.
- 鉴定到的代谢产物显示出对PsA患者分层的潜在生物标志物.
- 需要使用定量MS测试进行进一步的验证,以确认这些候选生物标志物.
