TB27 转录组模型用于预测 Mycobacterium 结核病 培养转换
Maja Reimann1,2,3, Korkut Avsar4, Andrew R DiNardo5,6
1Clinical Infectious Diseases, Research Center Borstel, Borstel, Germany.
Pathogens & immunity
|February 6, 2025
概括
一种新型的27基因RNA特征 (TB27) 准确预测正在接受治疗的患者肺结核培养转换的时间. 这种生物标志物有助于监测治疗反应和开发新的抗结核药物.
科学领域:
- 微生物学 微生物学
- 基因组学就是基因组学.
- 机器学习 机器学习
背景情况:
- 监测结核病 (TB) 治疗是具有挑战性的,因为 Mycobacterium tuberculosis 的生长缓慢.
- 宿主RNA签名为追踪结核病患者治疗反应提供了一个有希望的方法.
研究的目的:
- 识别和验证基于全血的RNA特征,用于预测结核病患者的微生物治疗反应.
- 开发一种机器学习算法,用于预测抗结核治疗期间的培养转换时间.
主要方法:
- 使用多步骤的机器学习算法来识别RNA签名.
- 该算法是使用149名患者的培训和测试队列开发的,结果是27个基因签名 (TB27).
- 对34名患者的单独队列进行了外部验证.
主要成果:
- TB27签名在预测培养转换时间 (TCC) 中表现出高准确度.
- 在测试数据集中,预测TCC和观察TCC的相关系数为r=0.98.
- 外部验证队列也显示了预测和观察TCC之间的强相关性 (r=0.98).
结论:
- 一个经过验证的全血基RNA签名 (TB27) 显示了对预测Mycobacterium结核病培养转换时间的良好一致.
- TB27是促进抗结核药物开发的潜在生物标志物.
- 这种签名可能会改善临床实践中对治疗反应的预测.


