在患有PCOS的患者中查血清生物标志物通过脂质奥米克和整体机器学习
Ji-Ying Chen1, Wu-Jie Chen1, Zhi-Ying Zhu1
1Department of Obstetrics and Gynecology, Shenzhen Longhua District Central Hospital, Shenzhen, China.
PloS one
|January 8, 2025
概括
新的研究确定了特定的脂质生物标志物PI (18:0/20:3) -H和PE (18:1p/22:6) -H,用于诊断多囊性卵巢综合征 (PCOS). 机器学习模型证实了他们的诊断潜力,为PCOS查提供了一种新的方法.
科学领域:
- 内分泌学 在内分泌学.
- 代谢学 代谢学 代谢学
- 生物标志物发现发现
背景情况:
- 多囊卵巢综合征 (PCOS) 是绝经前妇女普遍存在的内分泌疾病,其特征是代谢失调.
- 确定可靠的PCOS诊断生物标志物对于及时干预和管理至关重要.
研究的目的:
- 在PCOS患者中选血清生物标志物,使用非向性脂管学和整体机器学习.
- 根据已识别的脂质生物标志物,开发和验证PCOS的诊断面板模型.
主要方法:
- 来自PCOS患者和非PCOS患者的血清样本的非向性脂管学分析.
- 整体机器学习的应用用于差分脂质代谢物分类,生物标志物查和诊断面板构建.
- 对候选生物标志物 (PI (18:0/20:3) -H和PE (18:1p/22:6) -H) 和诊断模型的验证和评估.
主要成果:
- 在PCOS和非PCOS组之间确定了不同的脂质代谢物,显示了与临床指数的关联.
- 候选生物标志物PI (18:0/20:3) -H和PE (18:1p/22:6) -H被确定具有较低的相关性,这表明了一个优化的诊断面板.
- 诊断面板模型的AUC值为0.815,测试组的精度为74%,特异性为88%,灵敏度为70%.
结论:
- 机器学习算法在PCOS生物标志物查中有效分析脂质代谢数据.
- 已识别的脂质生物标志物PI (18:0/20:3) -H和PE (18:1p/22:6) -H显示了PCOS诊断的重大潜力.
