脂质组分析与机器学习相结合,在患有间歇性囊炎/膀疼痛综合征的患者中识别出独特的尿脂特征

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 生物化学 生化学
• 计算生物学 计算生物学

背景情况:

• 间歇性囊炎/膀疼痛综合征 (IC/BPS) 是一种影响膀的慢性疾病.
• 准确诊断和分类IC/BPS,特别是区分汉纳病变 (HL) 与非HL亚型,仍然具有挑战性.

研究的目的:

• 用尿脂学来确定尿路生物标志物用于IC/BPS的诊断和分类.
• 应用机器学习算法来提高IC/BPS亚型的诊断准确性.

主要方法:

• 脂质染色学-并联质谱法用于分析138名IC/BPS患者 (116名HL,22名非HL) 和71名对照患者的尿脂.
• 差异性脂质表达分析和机器学习模型用于诊断评估.
• 尿脂水平正常化为尿氨酸.

主要成果:

• 总共有218种尿脂被确定.
• 特定的脂质,包括C24胺和LPC (14:0),显示出诊断潜力,可以区分HL与非HLIC/BPS.
• 机器学习模型在区分IC/BPS亚型方面实现了高精度 (AUC高达0.873).

结论:

• 尿液中C24陶和包括LPI (18:3) 在内的组合显示出IC/BPS中HL的潜在生物标志物.
• 将尿脂学与机器学习相结合,为下一代AI驱动的IC/BPS诊断系统提供了一个有希望的途径.