多层类异质氧化物 通过代谢指纹实现COVID-19进展监测

科学领域:

• 生物标志物发现发现
• 纳米材料科学 科学 纳米材料科学
• 机器学习在医学中的应用

背景情况:

• 早期诊断和动态监测COVID-19对于有效干预至关重要.
• 现有的方法可能缺乏综合性疾病追踪的敏感性或特异性.
• 代谢分析为了解疾病进展提供了一个有希望的途径.

研究的目的:

• 为COVID-19诊断和进展开发一个先进的代谢监测平台.
• 为高效的血清代谢指纹提取设计一种新型异质氧化物矩阵 (MHHOs).
• 用机器学习验证平台的性能,用于临床应用.

主要方法:

• 使用二氧化模板制造一个层次化的,类似黄的异质氧化物 (MHHOs) 矩阵.
• 从患者样本中提取血清代谢指纹 (SMF).
• 机器学习算法的应用用于数据分析和COVID-19阶段的分类.

主要成果:

• MHHOs矩阵有效地提取了用于COVID-19分析的SMF.
• 机器学习在区分COVID-19阶段方面实现了100%的分类准确性.
• 综合查模型在关键指标 (准确性,精度,回忆,F1,MCC>0.98) 上显示出高性能.

结论:

• 开发的代谢监测平台显示了对COVID-19的高稳定性和临床适用性.
• 该研究通过生物标志物通路分析增强了COVID-19病理特征的特征.
• 这种基于代谢物的方法对COVID-19管理中的个性化治疗策略具有前景.