多重复合的血清生物标志物,以区分不可活性的怀孕和宫外怀孕

科学领域:

• 生殖内分泌学 生殖内分泌学
• 生物标志物发现发现
• 计算生物学 计算生物学

背景情况:

• 早期的妊娠并发症,如宫外怀孕和流产,存在重大风险.
• 准确及时诊断早期怀孕的生存能力和位置对于有效的管理至关重要.
• 目前的诊断方法可能在区分正常和异常的早期怀孕方面存在局限性.

研究的目的:

• 开发使用候选生物标志物的多重预测模型,以确定早期怀孕的生存能力和位置.
• 评估是否结合多个生物标志物可以改善正常和异常早期怀孕的诊断.
• 评估机器学习方法来创建早期怀孕结果的预测模型.

主要方法:

• 一个嵌套的病例控制研究,涉及218名患有早期怀孕失败风险的患者.
• 使用多种机器学习技术分析了24种生物标志物的血清水平.
• 开发了模型来预测不可生存的怀孕和宫外怀孕与正在进行的子宫内怀孕.

主要成果:

• 使用妊娠特异性β-1-糖蛋白3 (PSG3),胆管性淋巴激素α子单元和妊娠相关性血蛋白-A的模型在预测活力方面实现了97.4%的准确性.
• 另一种使用可溶性fms类氨酸激酶-1,PSG3和组织因子通路抑制剂2的模型在预测怀孕位置方面表现出94.4%的准确性.
• 同时使用模型将最终分类提高到72.7%,准确率为95.9%.

结论:

• 来自各种生物途径的生物标志物的小组可以有效地分类潜在的早期妊娠损失的个体.
• 特定的生物标志物组合可以预测早期怀孕的生存能力 (胆固醇阿尔法,与怀孕相关的血蛋白-A,PSG3) 和位置 (可溶性fms类铁酶-1,组织因子通路抑制剂2,PSG3).
• 多重生物标志物模型为改善早期怀孕诊断提供了一个有希望的方法.