结合机器学习模型的血液转录组的综合和全面分析揭示了结核病诊断和风险分层的关键签名
Maryam Omrani1, Arash Ghodousi1,2, Daniela Maria Cirillo1
1Emerging Bacterial Pathogens Unit, IRCCS San Raffaele Scientific Institute, Milan, Italy.
Frontiers in microbiology
|June 10, 2025
概括
这项研究确定了用于诊断结核病 (TB) 的10个基因签名. 这种签名准确地将结核病患者与对照者区分开来,并有助于风险分层,以改善全球结核病管理.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 传染性疾病 传染性疾病
背景情况:
- 结核病 (TB) 是一个重要的全球健康问题,患病率和死亡率很高.
- 目前的诊断方法,如IGRA和TST不能可靠地区分结核病的阶段或预测疾病的进展.
- 了解结核病进展中的宿主-病原体相互作用对于改善诊断至关重要.
研究的目的:
- 为了确定结核病诊断和预后的强大的转录组签名.
- 开发一种基于基因的工具,以区分活跃结核病与潜伏感染或健康状态.
- 改善结核病患者和接触者的风险分层.
主要方法:
- 综合分析了来自结核病患者,接触者和对照者的324个血液转录组样本.
- 差异基因表达分析以识别转录基因签名.
- 机器学习识别99个转录的签名,进一步精细化为10个基因的签名.
- 在一个独立的队列中验证10基因签名.
主要成果:
- 在结核病患者中观察到明显的转录基因特征,涉及免疫反应和抗菌途径.
- 一个99个转录的签名准确地将结核病患者与对照患者区分开来.
- 一个经过验证的10个基因签名 (BATF2,FAM20A,FBLN2,AK5,VAMP5,MMP8,KLHDC8B,LINC00402,DEFA3,GBP6) 显示出高的预测性能 (AUC).
- 签名表明了跨多元群体的稳定性,并确定了潜在的进步者.
结论:
- 这10个基因的签名对开发结核病的新型诊断和预后工具充满希望.
- 这种签名可以帮助区分活跃的结核病,识别亚临床病例,并分层患者的风险.
- 需要进一步验证,以便将该签名纳入全球结核病控制战略.
