结合脂管学和机器学习来识别非综合征裂唇与口裂唇的脂质生物标志物

科学领域:

• 生物化学 生物化学
• 遗传学 是一个遗传学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 非综合性口唇与裂 (nsCLP) 是一种常见的先天性异常.
• 目前的诊断方法,主要是胎儿超声波,面临由于胎儿定位和操作员技能的限制.
• 需要对nsCLP进行改进和可靠的诊断工具.

研究的目的:

• 确定强大的母体血清脂质生物标志物,用于早期诊断nsCLP.
• 评估机器学习算法在分析脂质学数据以发现生物标志物的有效性.
• 根据已识别的脂质生物标志物开发nsCLP的诊断模型.

主要方法:

• 在发现队列中利用非向性脂管学来识别失调的脂质.
• 应用了强大的排名聚合和八种特征选择方法来进行脂质评估.
• 在发现和验证队列中使用了七种分类模型和多变量分析.
• 在一个独立的队列中使用向性脂管学验证的候选生物标志物.

主要成果:

• 最初确定了一个由35个候选脂质生物标志物组成的小组.
• 一个包含3个脂质生物标志物的诊断模型显示了nsCLP的高诊断性能.
• 在nsCLP血清样本中,特定的脂质 - - 阿拉基酸 (FA 20:4) 和 lysophosphatidylcholine (LPC 18:0) - - 显著下调.
• 机器学习算法在脂质学数据中的有效和可靠的生物标志物查中被证明是有效的.

结论:

• 一个由三个母体血清脂质生物标志物组成的小组显示出诊断nsCLP的巨大潜力.
• 这项研究强调了机器学习在分析生物标志物发现的复杂脂质组数据方面的实用性.
• 这种方法为早期检测nsCLP提供了一种有希望的非侵入性方法,有可能克服当前诊断技术的局限性.