高风险MASH的强有力的诊断模型:通过多omics方法整合临床参数和循环生物标志物

科学领域:

• 肝病学 肝病学是一种肝病学.
• 生物标志物发现发现
• 多个omics的多个omics.

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是一个日益严重的健康问题.
• 代谢功能障碍相关的脂肪肝炎 (MASH) 是一种严重的MASLD形式,具有重大风险.
• 准确诊断高风险MASH对于患者管理至关重要.

研究的目的:

• 为高风险MASH开发一个强大的诊断模型.
• 利用多学科的方法来识别新的生物标志物.
• 为了验证开发模型的诊断性能.

主要方法:

• 蛋白质组和转录组分析确定了候选生物标志物.
• scRNA-seq和免疫光检测证实了库普弗细胞中的生物标志物定位.
• 拉索回归开发了使用临床数据和生物标志物 (AST,BMI,TB,维生素D,TyG,LGALS3BP,TREM2) 的ABD-LTyG模型.

主要成果:

• 确定了58个一致的生物标志物,其中25个与MASLD表型相关.
• 在Kupffer细胞中主要发现TREM2,IL18BP和LGALS3BP.
• 在发现和验证队列中,ABD-LTyG模型实现了0.832和0.807的AUC,超过了FIB-4,NFS和APRI.

结论:

• 综合生物标志物和临床数据的ABD-LTyG模型显示出对诊断高风险MASH的前景.
• 多omics策略可以提高肝脏疾病的诊断准确性.
• 这种方法可以指导MASH管理中的临床决策.