相关实验视频
Updated: May 26, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
135
一种数据驱动的方法来量化败血症中的免疫状态
Shan Li1, Tengxiao Liang2, Fangliang Xing3
1The First Clinical College, Beijing University of Chinese Medicine.
Journal of visualized experiments : JoVE
|February 25, 2025
概括
一个新的数学模型揭示了免疫细胞群体在败血症中的约束边界. 该模型有助于识别九种不同的免疫状态,有助于客观诊断和治疗毒症患者的治疗策略.
科学领域:
- 免疫学 免疫学 免疫学
- 数学生物学 数学生物学
- 计算医学是一种计算医学.
背景情况:
- 败血症的诊断和治疗依赖于了解免疫细胞动态.
- 当前的方法在评估免疫状况时可能缺乏客观性.
研究的目的:
- 为免疫细胞在败血症中的相互作用开发数学模型.
- 使用集群识别,在败血症患者中识别出不同的免疫状态.
主要方法:
- 收集了512名败血症患者和205名健康对照者的血液样本.
- 应用数据可视化和3D数字拟合来创建数学模型.
- 使用自组织特征地图 (SOFM) 进行数据聚类.
主要成果:
- 建立了一个预测方程 (WBC = 1.098 × 中性粒细胞 + 1.046 × 淋巴细胞 + 0.1645) 与1%的RMSE.
- 通过SOFM集群在败血症患者中确定了九种不同的免疫状态.
- 证明了免疫细胞群体的普遍约束边界.
结论:
- 数学模型为免疫细胞在败血症中的行为提供了定量框架.
- SOFM聚类提供了与败血症相关的免疫状态的全面视图.
- 研究结果支持开发针对败血症的客观诊断和治疗策略.
