通过高性能血代谢指纹的机器学习来诊断
Xiaonan Chen1, Wendi Yu2, Yinbing Zhao1
1School of Chemistry and Molecular Engineering, East China Normal University, Shanghai, 200241, PR China.
Talanta
|June 2, 2024
概括
这项研究引入了纳米粒子增强激光脱吸/电离质谱法 (NELDI MS),用于快速诊断. 该方法实现了高精度,为早期发现和管理这种神经系统疾病提供了有前途的工具.
科学领域:
- 生物化学 生物化学
- 神经学 神经学
- 分析化学 分析化学
背景情况:
- 是全球重要的健康问题,需要改进诊断方法.
- 目前用于的诊断工具缺乏足够的准确性和效率.
- 及时和准确的查对于有效的患者管理至关重要.
研究的目的:
- 开发一种高性能诊断平台,使用纳米粒子增强激光消耗/电离质谱法 (NELDI MS).
- 建立基于血代谢指纹 (PMFs) 的诊断机器学习模型.
- 为了确定潜在的代谢物生物标志物用于的检测.
主要方法:
- 使用NELDI MS.从和健康个体获得血代谢指纹 (PMFs).
- 在获得的PMF上使用机器学习算法诊断模型的开发.
- 特定代谢物作为诊断生物标记物的识别和验证.
主要成果:
- 尼尔迪MS显示了高的检测速度 (约. 30秒/样本),高吞吐量 (384个样本/运行),以及出色的可重复性 (CV <15%).
- 机器学习模型实现了高诊断能力,在验证集上AUC为0.941.
- 一组由四种代谢物组成的小组被确定为潜在的生物标志物,显示AUC值在0.812-0.860.
结论:
- 开发的NELDI MS平台提供了一种高通量和准确的诊断方法.
- 这种方法促进了对的精准医学代谢诊断工具的开发.
- 这些发现支持PMF和机器学习在有效查方面的潜力.
更多相关视频
10:23Equipment Setup and Artifact Removal for Simultaneous Electroencephalogram and Functional Magnetic Resonance Imaging for Clinical Review in Epilepsy
Published on: June 23, 2023
1.9K
09:32Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients
Published on: December 18, 2016
12.4K
