第四组双金属MOFs工程增强的新陈代谢档案共同预测脂肉瘤的识别和分类

科学领域:

• 材料科学 材料科学 材料科学
• 分析化学 分析化学
• 生物医学工程 生物医学工程

背景情况:

• 脂肉瘤 (LPS) 由于其稀有性和异质性,存在诊断和管理方面的挑战.
• 现有的诊断方法可能缺乏有效的罕见癌症管理所需的速度和特异性.

研究的目的:

• 为增强激光消耗/电离质谱 (LDI MS) 应用设计新型金属有机框架 (MOF).
• 开发一种快速,高吞吐量的方法,用于脂肪肉瘤 (LPS) 的代谢指纹.
• 为LPS识别和分类创建基于机器学习的工具.

主要方法:

• 第四组双金属MOF及其衍生物的设计和合成.
• 对MOF属性的全面描述,包括稳定性和脱吸效率.
• 工程MOF的应用作为LPS样本LDIMS分析的矩阵.
• 使用代谢指纹 (PMFs) 开发和验证机器学习模型 (LPSrecognizer,LPSclassifier).

主要成果:

• 工程组IV双金属MOF在LDIMS测试中表现出卓越的性能.
• 高通量LPS代谢指纹 (PMFs) 在几秒钟内实现.
• 机器学习模型在LPS识别和分类方面实现了高精度 (AUC 0.900-1.000).
• 简化模型显示出相当大的预测性能,并使基本路径探索成为可能.

结论:

• MOF工程是一个有前途的策略,用于设计LDI MS的高级矩阵.
• 开发的LDI MS和机器学习方法为快速代谢分析和查LPS等罕见疾病提供了强大的工具.
• 这项工作为在罕见疾病诊断中临床应用铺平了道路.