改进了对机器学习的分析工作流,支持了基于N-glycomics的生物标志物发现
Agnes Vathy-Fogarassy1, Veronika Gombas1, Rebeka Torok2
1Department of Computer Science and Systems Technology, University of Pannonia, Egyetem u 10., Veszprem, H-8200, Hungary.
Talanta
|May 31, 2025
概括
这项研究开发了一种自动化工作流程,用于使用毛细管电泳和机器学习分析N-glycans. 这种方法准确地预测肺癌患者对化疗的反应,有助于疾病管理.
科学领域:
- 格莱科米克斯 (Glycomics) 是一个有趣的药物.
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 甘氨酸分析是复杂的,阻碍了手动解释.
- 毛细电泳 (CE) 是一种关键的分离技术,用于甘氨酸.
- 将CE与机器学习 (ML) 集成,可以提供增强的糖性数据解释.
研究的目的:
- 开发一种自动化样品制备方法,用于使用CE.使用可重复的N-糖造型.
- 为了使ML支持的数据解释用于糖甘分析.
- 应用此工作流来预测肺癌患者对化疗的反应.
主要方法:
- 开发一种基于机器人的自动化液体处理样品制备系统.
- 通过毛细血管电泳来优化N-葡萄糖概况的系统.
- 应用机器学习支持的数据解释管道.
主要成果:
- 获得适合ML分析的可复制的N-糖体概况.
- 证明了工作流程能够预测化疗在肺癌中的有效性.
- 获得了高预测性能,AUC值范围从0.8290到0.8410.
结论:
- 开发的自动化葡萄糖分析工作流程增强了N-葡萄糖数据的获取和解释.
- N-glycan 配置文件包含重要的临床信息,用于预测化疗反应.
- 这种方法支持个性化医疗和有效的肺癌治疗管理.
