一项用于诊断Aspergillus感染的试点代谢研究,用于免疫功能低下的儿科癌症患者的感染
Taghreed Khaled Abdelmoneim1, Asmaa Ramzy1, Mostafa Ahmed Zaki1
1Proteomics and Metabolomics Research Program, Basic Research Department, Children's Cancer Hospital Egypt, Cairo 57357, Egypt.
International journal of molecular sciences
|July 12, 2025
概括
这项研究确定了潜在的生物标志物,用于在患有癌症的儿童中早期检测入侵性阿斯伯吉勒斯真菌感染. 代谢学和人工智能分析揭示了感染患者的特定真菌代谢物,有助于非侵入性诊断.
科学领域:
- 菌类学 菌类学是指菌类学.
- 临床化学 临床化学
- 计算生物学 计算生物学
背景情况:
- 侵入性阿斯伯吉洛菌感染对免疫功能低下的儿科癌症患者构成严重威胁.
- 由于缺乏特定的非侵入性生物标志物,早期诊断很困难.
- 目前针对侵袭性真菌感染的诊断方法可能具有侵袭性或缺乏敏感性.
研究的目的:
- 确定用于早期检测儿科瘤患者的侵袭性阿斯伯吉卢菌感染的新型非侵入性生物标志物.
- 将血代谢分析分析与人工智能衍生的真菌二次代谢物数据库集成.
- 探索代谢学在快速,非侵入性诊断真菌感染方面的潜力.
主要方法:
- 使用UHPLC-MS/MS对儿科瘤患者样本进行非向性血代谢分析.
- 根据Galactomannan测定,将患者分为AIC感染者和非感染者对照组 (NPC) 的分类.
- 利用公司内部的真菌二次代谢物的定制数据库,以增强代谢物注释.
- 采用多变量统计分析,包括主要组件分析 (PCA) 和部分最小平方差分分析 (PLSDA).
主要成果:
- 确定了八个具有统计学意义,折叠变化和生物相关性的候选生物标志物.
- 在AIC队列中观察到显著增加的阿弗拉托克辛B1,阿斯珀吉利米德,富米丁和尿素水平.
- 与对照组相比,AIC队列中的酸水平下降了.
- 多变量分析表明AIC和NPC组之间存在明显的分离,这表明了诊断潜力.
结论:
- 与人工智能真菌数据库相结合的等离子体代谢分析显示,有望用于识别侵入性阿斯伯菌感染的生物标志物.
- 候选生物标志物,如阿弗拉托克素B1和阿斯珀吉利米德,可以促进风险儿童群体的早期,非侵入性诊断.
- 未来需要采用更大的样本规模 (至少25名参与者) 的研究来证实这些发现,并建立强大的诊断标准.
