基于机器学习的诊断模型的开发和验证,使用血液转录组学来预测儿童早期糖尿病
Xin Huang1,2, Di Ouyang3, Weiming Xie4
1The First Clinical Medical College, Nanjing University of Chinese Medicine, Nanjing, China.
Frontiers in medicine
|July 31, 2025
概括
在儿童中早期预测1型糖尿病 (T1DM) 是可能的,使用血液转录和机器学习. 这种方法在诊断前多达46个月就能识别出预测性特征,为非侵入性诊断工具铺平了道路.
科学领域:
- 基因组学和生物信息学
- 医疗保健中的机器学习
- 儿科内分泌学 儿科内分泌学
背景情况:
- 在儿童中早期发现1型糖尿病 (T1DM) 对于及时干预至关重要.
- 周围血液转录基因分析为早期生物标志物发现提供了一种微创方法.
- 在临床诊断前长达46个月的儿童中预测T1DM发病是重点.
研究的目的:
- 开发和验证用于预测儿童T1DM发病的机器学习算法.
- 为了利用从外围血液的转录组签名用于早期T1DM预测.
- 确定儿童群体T1DM的预测生物标志物.
主要方法:
- 分析了247名糖尿病前儿童和健康对照组的RNA测序数据.
- 采用了五种特征选择方法和九种机器学习算法来创建45种模型组合.
- 在独立队列中使用定量聚合酶连锁反应 (qPCR) 验证的模型.
主要成果:
- 在糖尿病前和对照组之间观察到显著的基因表达模式差异.
- 四个模型组合显示出卓越的预测性能,准确预测T1DM发病前46个月.
- 基于弹性网的模型在验证队列中实现了完美的分类,表明了临床可行性.
结论:
- 周围血液转录组学与机器学习相结合,可实现早期儿科T1DM预测.
- 识别的转录密码签名和验证的模型构成了非侵入性诊断工具的基础.
- 这些发现支持儿童糖尿病预防的精准医学,需要更大的队列验证.


