使用人工智能对与严重糖尿病足相关的分子因素的多式识别

科学领域:

• 生物医学研究生物医学研究
• 基因组学就是基因组学.
• 数据科学数据科学数据科学

背景情况:

• 糖尿病足 (DFU) 是糖尿病 (DM) 的严重并发症,导致住院治疗和截肢.
• 糖尿病患病率和截肢率在德克萨斯州南部较高,特别是在西班牙裔成年人中.
• 早期识别严重的DFU对于降低截肢风险至关重要.

研究的目的:

• 使用多式联络方法识别与DFU严重程度相关的分子因素.
• 将电子健康记录 (EHR) 与转录基因数据集成,用于生物标志物发现.
• 调查细胞类型特定的分子因素,这些因素有助于DFU在人口统计学中的严重程度.

主要方法:

• 利用来自数千名患者的EHR数据来识别与DFU严重程度相关的血液测试.
• 分析RNA测序数据集 (批量和单细胞) 来识别分子因素.
• 应用了机器学习管道来发现细胞类型特定的DFU严重性标记.

主要成果:

• 血液检查包括白蛋白/肌素比率 (ACR),胆固醇和凝血组织因子水平与DFU严重程度相关.
• 在大量RNA-Seq数据中,阿波利波蛋白E (APOE) 蛋白水平与DFU严重程度有关.
• 单细胞RNA-Seq在严重的DFU病例中发现了过度表达APOE的角质细胞.

结论:

• 整合EHR和单细胞转录组学精细化了DFU分子标记物的搜索.
• 确定了与DFU严重程度相关的特定血液测试和细胞类型特定的分子因子 (例如,角质细胞中的APOE).
• 这种方法突出了DFU分子签名中的人口差异.