基于非目标代谢学和机器学习的生物标志物识别和心血管疾病风险评估
Xu Zhou1, Xinhao Sun1, Hongwei Zhao1
1School of Public Health/Key Laboratory of Endemic and Ethnic Diseases, Ministry of Education & Key Laboratory of Medical Molecular Biology of Guizhou Province, Guizhou Medical University, No. 6 Ankang Avenue, Gui'an New District, Guiyang, Guizhou Province, 561113, China.
这项研究确定了用于预测心血管疾病 (CVD) 风险的关键代谢物和临床因素. 使用这些生物标志物的机器学习模型实现了91%的准确性,为早期CVD检测提供了一个有前途的工具.
科学领域:
- 生物化学 生化学
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
背景情况:
- 心血管疾病 (CVD) 仍然是全球死亡和残疾的主要原因.
- 尽管取得了进展,但有效诊断和预防心血管疾病仍然是一个重大挑战.
- 识别新生物标志物对于改善心血管疾病风险评估至关重要.
研究的目的:
- 为了发现新的CVD相关的生物标志物.
- 为准确的心血管疾病风险评估开发机器学习模型.
主要方法:
- 使用超高性能液体染色学-并联质谱学 (UHPLC-MS/MS) 进行非向的代谢分析.
- 常规临床生物化学测试的分析.
- 机器学习模型的开发和验证.
主要成果:
- 确定了164种与心血管疾病相关的代谢物,特别是在葡萄糖脂代谢和不和脂肪酸生物合成中.
- 机器学习模型整合了代谢物 (例如,棕胺胺,油酸,脂胆,亚麻酸) 和临床因素 (年龄,直接白素,无机酸) 实现了0.91的高准确度,用于评估心血管疾病风险.
- 生物膜和能量代谢的破坏与心血管疾病中的血管损伤有关.
结论:
- 代谢障碍,特别是膜和能量通路的代谢障碍,与心血管疾病风险有显著的关联.
- 开发的机器学习模型显示了对高效的CVD风险评估和诊断的希望.
- 综合生物标记面板提供了一种新的方法,以提高心血管疾病的早期检测和管理.
更多相关视频
11:02Identification and Quantification of Deranged Metabolites in Critically Ill Patients Using NMR-Based Metabolomics
Published on: November 29, 2024
07:34Large Scale Non-targeted Metabolomic Profiling of Serum by Ultra Performance Liquid Chromatography-Mass Spectrometry UPLC-MS
Published on: March 14, 2013
相关概念视频
01:20Blood Studies for Cardiovascular System I: Cardiac Biomarkers
The essential diagnostic tools for detecting myocardial necrosis and monitoring individuals suspected of having acute coronary syndrome (ACS) include:
Troponins
Troponins, particularly cardiac troponins I and T, are the most precise and sensitive markers of myocardial injury. They are detectable within 4-6 hours of myocardial injury and remain...
01:19Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers
These markers indicate stress or strain on the heart muscle:
Natriuretic Peptides (BNP)
Cardiac myocytes produce these hormones in response to ventricular stretching...