与机器学习相结合的LC-SRM能够快速识别和量化尿路感染中的细菌病原体

科学领域:

• 临床微生物学 临床微生物学
• 分析化学 分析化学
• 生物信息学是一种生物信息学.

背景情况:

• 尿路感染 (UTI) 是一个重大的全球健康挑战,需要快速诊断.
• 目前用于尿路感染的细菌鉴定的黄金标准方法,包括培养和MALDI-TOF,需要24-48小时.
• 延迟诊断阻碍了抗生素的及时使用,并导致了抗菌素耐药性的增加.

研究的目的:

• 开发和验证一种快速,无培养的工作流程,用于尿样中的细菌识别和量化.
• 为了能够及时准确地诊断尿路感染,促进适当的抗生素治疗.
• 将尿路感染诊断结果的时间缩短到4小时以下.

主要方法:

• 一种无培养的工作流程,涉及从1毫升尿液中快速自动制备样本.
• 在TSQ Altis仪器上使用选择反应监测 (SRM) 模式进行液体染色体质谱学 (LC-MS).
• 82种细菌的机器学习定义的特征,用于区分15种常见的引起尿路感染的物种.

主要成果:

• 工作流程在不到4小时内实现了细菌识别和量化.
• 在接种的健康尿液上证明了高精度 (99.2%),并且每天分析高达75个样本的稳定性.
• 在患者样本上验证,显示87.1%与培养-MALDI一致,用于需要治疗的感染 (≥1 × 105CFU/ml).

结论:

• 拟议的无培养LC-MS工作流提供了尿路感染诊断的快速和准确的替代方案.
• 与传统的基于文化的技术相比,这种方法显著减少了交付时间.
• 工作流程支持有效管理尿路感染,并通过及时治疗来打击抗菌素耐药性.