新生儿败血症的代谢生物标志物:使用代谢学与机器学习相结合的代谢学识别
Zhaonan Bian1, Xinyi Zha1, Yanru Chen1
1Department of Neonatology, Xinhua Hospital, Shanghai Jiaotong University School of Medicine, Shanghai, China.
Frontiers in cell and developmental biology
|November 5, 2024
概括
这项研究确定了用于诊断婴儿败血症及其严重程度的关键血清代谢物. 这些发现可能有助于早期发现和治疗婴儿这种关键疾病.
科学领域:
- 生物化学 生物化学
- 临床诊断 临床诊断 临床诊断
- 儿科医学 儿科医学
背景情况:
- 败血症是婴儿死亡的主要原因,目前的诊断方法,如血培养是缓慢的,具有较低的阳性率.
- 婴儿败血症的早期和准确诊断及其严重程度的评估受到缺乏特定生物标志物的阻碍.
- 婴儿败血症的现有诊断方法不足以及时做出临床决策.
研究的目的:
- 为了确定新的血清代谢物生物标志物用于婴儿败血症的早期诊断.
- 用代谢学来区分婴儿具有并发症和没有并发症的败血症.
- 探索机器学习在分析复杂的代谢资料以诊断败血症方面的潜力.
主要方法:
- 从患有败血症 (有或没有并发症) 和非传染病的婴儿的血清样本使用液态染色体质谱法 (LC-MS) 进行分析.
- 多变量统计分析,包括LASSO和SVM-RFE,用于选差异丰富的代谢物.
- 使用机器学习算法 (随机森林) 和ROC曲线分析来识别关键生物标志物并评估其诊断准确性.
主要成果:
- 在感染性婴儿和非感染性婴儿之间分别发现了189个和137个差异丰富的代谢物,以及分别在具有并发症和没有并发症的败血症婴儿之间.
- 五个关键代谢物 (胺,精神硫酸盐,LysoPC (18:1 (9Z) / 0:0),2,4,6-tribromophenol和25-cinnamoyl-vulgaroside) 显示出婴儿败血症的高诊断潜力 (AUC高达1000).
- 四种内源代谢物 (12-oxo-20-trihydroxy-leukotriene B4,dihydrovaltrate,PA (8:0/12:0),和2-heptanethiol) 有效地区分了败血症的严重程度 (AUC为1.000).
结论:
- 血清代谢学与机器学习相结合,可以有效地识别婴儿败血症诊断和严重程度评估的关键生物标志物.
- 已识别的代谢物为开发婴儿败血症的快速和准确诊断工具提供了有希望的潜力.
- 代谢途径,如氨酸,氨酸和氨酸的生物合成,都与婴儿败血症的发病有关.
