循环 lncRNAs作为严重登革热的生物标志物使用机器学习方法
Rodolfo Katz1, Nguyen Minh Nam2, Tulio de Lima Campos3
1Department of Clinical Microbiology and Immunology, Faculty of Medical and Health Sciences, Tel Aviv University, Tel Aviv, Israel.
The Journal of infection
|March 16, 2025
概括
这项研究确定了长非编码RNA (lncRNAs) 作为预测严重登革热 (SD) 的有希望的生物标志物. 一个新的lncRNA小组准确地识别高风险患者,帮助早期干预并减少医疗保健负担.
科学领域:
- 分子生物学分子生物学
- 传染性疾病 传染性疾病
- 生物标志物发现发现
背景情况:
- 登革热病毒 (DENV) 感染构成了全球健康威胁,严重的登革热 (SD) 造成了显著的死亡率.
- 目前用于预测SD进展的方法缺乏特异性,使得流行地区的医疗保健系统承受压力.
- 循环中的长非编码RNAs (lncRNAs) 显示出作为稳定可靠的生物标记物的潜力.
研究的目的:
- 研究 lncRNAs作为严重登革热 (SD) 的预测标记物的实用性.
- 使用lncRNAs开发SD进展的预测模型.
- 评估基于lncRNA的预测在登革热患者管理中的临床适用性.
主要方法:
- 差异基因表达分析和定量PCR (qPCR) 阵列用于识别候选 lncRNAs.
- 在越南登革热患者 (n=377) 和健康对照人群 (n=128) 中量化了血lncRNA水平.
- 机器学习算法被用来构建SD风险的预测模型.
主要成果:
- 开发的lncRNA预测模型实现了高灵敏度和特异性 (AUC = 0.98).
- 该模型准确地确定了18名无法存活的患者中的17名患者在入院时具有高风险.
- 这显著超过了传统的警告信号,这些警告信号只识别了9个这些关键病例.
结论:
- 一组 lncRNAs 显示出预测严重登革热 (SD) 的巨大潜力.
- 这种生物标志物方法可以提高登革热流行地区的早期患者分层和管理.
- 实施基于 lncRNA 的预测可以减轻医疗保健系统的负担,并改善患者的治疗结果.
