双体液的代谢指纹破译 糖尿病视网膜病变 糖尿病视网膜病变
Yihan Wang1, Shunxiang Li1, Tong Li2
1State Key Laboratory for Oncogenes and Related Genes, School of Biomedical Engineering, Institute of Medical Robotics and Med-X Research Institute, Shanghai Jiao Tong University, Shanghai, 200030, P. R. China.
Small (Weinheim an der Bergstrasse, Germany)
|January 28, 2025
概括
这项研究引入了一种新的机器学习平台,用于使用双生物流体代谢指纹早期检测糖尿病视网膜病变 (DR). 这种创新方法有助于识别生物标志物,以改善这种糖尿病并发症的诊断和治疗.
科学领域:
- 生物医学科学 生物医学科学
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病的主要微血管并发症,影响全球数百万人.
- 早期检测和治疗对于改善DR预后至关重要.
- 代谢分析为了解疾病病理生理学和识别生物标志物提供了一种强大的方法.
研究的目的:
- 建立玻璃液体分析的创新工作流程.
- 开发基于机器学习的平台,用于使用双生物流体代谢指纹检测DR.
- 为了确定糖尿病视网膜病变的临床诊断和治疗的潜在生物标志物.
主要方法:
- 为玻璃液体和等离子体代谢指纹的纳米粒子增强激光消耗/电离质谱工作流程的开发.
- 玻璃体液代谢指纹 (VL-MF) 和血代谢指纹 (P-MF) 数据的整合.
- 机器学习用于DR患者分类和生物标志物面板构建的应用.
主要成果:
- 直接VL-MF和P-MF得到了高可重现性 (CV<5%) 和速度 (3秒/样本).
- 双生物流体-MF平台将DR患者与健康对照区分开来,AUC为0.957.
- 一个生物标志物候选小组实现了0.945的AUC,确定了相关的代谢途径.
结论:
- 开发的多生物流体平台证明了糖尿病视网膜病变检测的高准确性和速度.
- 这种方法促进了新生物标志物的发现,并为临床应用提供了强大的工具.
- 这项研究在利用代谢学和机器学习来诊断糖尿病并发症方面取得了重大进展.
更多相关视频
07:41Behavioral Assessment of Visual Function via Optomotor Response and Cognitive Function via Y-Maze in Diabetic Rats
Published on: October 23, 2020
5.6K
08:05Fluorescent Dye Labeling of Erythrocytes and Leukocytes for Studying the Flow Dynamics in Mouse Retinal Circulation
Published on: July 3, 2017
12.3K
