相关实验视频
Updated: Jun 14, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
150
用基因表达标记在败血症发展中的风险评估
Albert Garcia Lopez1, Sascha Schäuble1, Tongta Sae-Ong1
1Department of Microbiome Dynamics, Leibniz Institute for Natural Product Research and Infection Biology (Leibniz-HKI), 07745 Jena, Germany.
Cell reports. Medicine
|September 4, 2024
概括
手术前的基因表达可以预测手术患者的败血症风险. 机器学习模型可以识别易患败血症的个体,帮助早期干预和患者管理.
科学领域:
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 败血症是对感染的危及生命的反应.
- 在手术患者中预测败血症风险仍然具有挑战性.
- 个体对败血症的敏感性有很大差异.
研究的目的:
- 调查手术前的转录基因特征,以预测术后的败血症.
- 为了确定个体的表型性倾向性,败血症的发展.
- 开发一个术后败血症风险预测工具.
主要方法:
- 在267名患者的手术前样本上进行全血RNA测序.
- 机器学习分类模型建立在转录基因数据上.
- 使用定量逆转录PCR (RT-qPCR) 验证.
主要成果:
- 机器学习模型预测了术后的结果,包括败血症,准确度高 (AUC高达0.910).
- 模型的灵敏度和特异性分别达到0.767和0.804.
- 确定了与败血症发展相关的手术前转录基因特征.
结论:
- 术前的转录组签名可以预测患上术后败血症的风险.
- 机器学习模型为手术患者的败血症风险预测提供了一个潜在的工具.
- 研究结果表明,个体对败血症的倾向需要进一步调查.
