有针对性的代谢学与机器学习相结合,用于识别和验证早期SLE诊断和疾病活动的新生物标志物
Jiabin Liang1, Zeping Han2, Jie Feng3
1Central Laboratory, The Affiliated Guangzhou Panyu Central Hospital of Guangzhou Medical University, Guangzhou, China; Guangzhou University of Chinese Medicine, Guangzhou, China.
Clinical immunology (Orlando, Fla.)
|May 6, 2024
概括
这项研究确定了用于早期系统性红斑狼 (SLE) 诊断和活动评估的新型代谢生物标志物. 有针对性的代谢学和机器学习揭示了关键代谢物,有助于开发SLE的新诊断工具.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 在全身性红斑狼 (SLE) 中,早期诊断和疾病活性评估具有挑战性.
- 有针对性的代谢组学为识别新型SLE生物标志物提供了潜力.
研究的目的:
- 识别和验证SLE早期诊断的代谢生物标志物.
- 评估这些生物标志物在评估SLE疾病活动进展中的潜力.
主要方法:
- 从44名健康个人和89名SLE患者的血清样本使用高通量向代谢学 (HM400) 进行了分析.
- 机器学习模型用于生物标志物选择和预测,并进行代训练和对两个最佳模型的竞争性选择.
- 使用酶相关的免疫吸收试验 (ELISA) 在90名SLE患者的单独队列上进行了独立验证.
主要成果:
- 在SLE患者和健康对照者之间确定了146种不同的代谢物,包括有机酸,氨基酸和胆酸.
- 通过机器学习和统计分析的交叉路口发现了8种潜在的生物标志物 (AUC > 0.95),显示出与临床指标的强烈正相关性.
- 两个经过验证的生物标志物 (N-甲基-L-谷氨酸,L-2-氨基黄油酸) 与SLE疾病活动指数 (P < 0.05,AUC > 0.775) 显示出显著的相关性.
结论:
- 三酸循环可能在SLE病变和对药物治疗的反应中发挥作用.
- 确定了八种诊断生物标志物和两种用于分类SLE活动的生物标志物,为SLE提供了新的诊断和评估工具的希望.
