开发和验证一个诊断模型的斯坦福B型大动脉剖析基于蛋白质分子概况的诊断模型
Zihe Zhao1, Taicai Chen2,3, Qingyuan Liu4
1Department of Vascular Surgery, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, People's Republic of China.
Journal of inflammation research
|January 16, 2025
概括
斯坦福B型大动脉剖析 (TBAD) 的新诊断模型使用血清生物标志物和临床指标. 这种基于血液的方法在例行检查期间对早期TBAD检测充满希望.
科学领域:
- 生物化学 生物化学
- 基因组学就是基因组学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 斯坦福B型大动脉剖析 (TBAD) 在心血管医学中提出了重大挑战.
- 目前对TBAD的诊断方法缺乏整合到例行健康查中.
- 稳定的死亡率凸显了改善早期检测策略的必要性.
研究的目的:
- 开发和验证TBAD的诊断模型.
- 为了确定用于TBAD检测的新型血清生物标志物.
- 将生物标志物与临床指标相结合,以提高诊断准确度.
主要方法:
- 蛋白质组分析和机器学习被用来识别血清中的差异表达蛋白 (DEP).
- 与酶相关的免疫吸收试验 (ELISA) 用于生物标志物验证.
- 使用已识别的生物标志物和临床指标构建了机器学习模型.
主要成果:
- 确定了6个DEP,其中5个 (GDF-15,IL6,CD58,LY9,Siglec-7) 已被验证为潜在的TBAD生物标志物.
- 整合生物标志物和临床指标的机器学习模型实现了高诊断性能 (AUC高达0.909).
- 与单个生物标志物或临床指标模型相比,组合模型显示出更高的疗效.
结论:
- 血清生物标志物IL-6,GDF-15,CD58,LY9和Siglec-7显示出TBAD诊断的潜力.
- 使用血液样本的基于机器学习的诊断模型为TBAD检测提供了一个有希望的方法.
