机器学习可以识别肝硬化中萨尔科佩尼亚的潜在生物标志物

科学领域:

• 代谢学 代谢学 代谢学
• 生物标志物发现发现
• 肝硬化研究 肝硬化研究

背景情况:

• 随着肝功能下降,肉症的患病率会增加.
• 肌肉消耗是肝硬化不良结果的独立预测因素.

研究的目的:

• 为了确定肝硬化患者的萨尔科佩尼亚有效的生物标志物.
• 在这个人群中探索与肉症相关的代谢概况.

主要方法:

• 来自62名肝硬化患者 (41名患有肉类,21名没有) 血清上的非向代谢量.
• 使用三种机器学习算法对候选代谢物生物标志物的选.
• 通过接收器运行特征曲线评估诊断/预测值.

主要成果:

• 鉴定出了60种不同代谢物,分别用于肝硬化性sarcopenia和非sarcopenia组.
• 关键的代谢途径包括葡萄糖脂和α-烯酸代谢.
• 确定了四种潜在的生物标志物 (N-乙甲,2-甲,CerP,3-甲基-α-ionylacetate),其中N-乙甲甲显示出更高的诊断准确性.

结论:

• 显著的血代谢概况区分肝硬化患者与没有肉症.
• 已识别的生物标志物可以通过早期发现和预测肉症来改善预后.
• 这项研究为改善肝硬化并发症的管理提供了潜力.