使用MALDI-TOF MS和机器学习分析高分子量蛋白质,以区分临床相关的Clostridioides difficile核型
Ana Candela1, David Rodriguez-Temporal2, Mario Blázquez-Sánchez3
1Clinical Microbiology Department, Complexo Hospitalario Universitario A Coruña, Institute of Biomedical Research A Coruña (INIBIC), A Coruña, Spain. acandelagon@gmail.com.
通过矩阵辅助的激光脱/离子化时间飞行质谱学 (MALDI-TOF MS) 可以快速识别高风险的Clostridioides difficile核型. 这种方法提供了一个更快,更便宜,更少的劳动替代目前的C. difficile打字技术.
科学领域:
- 微生物学 微生物学
- 传染性疾病 传染性疾病
- 质谱测量质量谱测量
背景情况:
- 困难菌是抗生素相关腹的主要原因.
- 高风险的C. difficile核型 (例如RT027,RT181,RT078) 需要快速识别以进行有效的临床管理.
- 目前的C. difficile核型鉴定方法耗时且劳动密集.
研究的目的:
- 评估MALDI-TOF MS在快速C. difficile核型定位方面的潜力.
- 为了分析高分子量蛋白质进行歧视性C. difficile核型分析.
- 使用MALDI-TOF MS数据,比较C. difficile核型鉴定机器学习算法的性能.
主要方法:
- 分析了69个代表欧洲常见核型的C. difficile分离物.
- MALDI-TOF MS用于分析17000-65,000m/z范围内的蛋白质.
- 五个监督机器学习算法 (KNN,SVM,PLS-DA,RF,GBM) 被应用到RT027,RT181,RT078和"其他RT"类别中进行分类.
主要成果:
- 所有测试的机器学习算法都实现了超过70%的交叉验证结果.
- 随机森林 (RF) 和光梯度增强机 (GBM) 显示了最高的性能,达到了88%的同意.
- RT078的分类准确度为100%;RT181和RT027的分离不能得到可靠的区分.
结论:
- MALDI-TOF MS与机器学习相结合,可以快速区分关键的C. difficile核型.
- 这种方法显著减少了与传统C. difficile类型化相关的时间,成本和劳动力.
- MALDI-TOF MS提供了一个有前途的替代方案,用于在C. difficile感染中及时做出临床决策.
更多相关视频
09:43Subtyping of Campylobacter jejuni ssp. doylei Isolates Using Mass Spectrometry-based PhyloProteomics MSPP
Published on: October 30, 2016
09:26Identification of Antibacterial Immunity Proteins in Escherichia coli using MALDI-TOF-TOF-MS/MS and Top-Down Proteomic Analysis
Published on: May 23, 2021
相关概念视频
MALDI-TOF Mass Spectrometry
Matrix-assisted laser desorption ionization (MALDI) is a commonly...
Peptide Identification Using Tandem Mass Spectrometry
This technique helps gather information regarding the protein from which the peptide was obtained and to study the peptides’ amino acid sequence. Identifying peptides from a complex mixture is an important component of the growing field of...
