相关实验视频
Updated: May 8, 2026
09:16
FIBS-enabled Noninvasive Metabolic Profiling
Published on: February 3, 2014
9.9K
通过谷氨酸代谢介导的免疫调节来识别败血症生物标志物:采用孟德尔随机化,多组合和机器学习的综合分析
Zhuang'e Shi1, Fuping Wang2, Lishun Yang3,4
1Faculty of Life Science and Technology, Kunming University of Science and Technology, Department of Emergency Medicine, The Affiliated Hospital of Kunming University of Science and Technology, The First People's Hospital of Yunnan Province, Medical School, Kunming University of Science and Technology, Kunming, China.
Frontiers in immunology
|September 5, 2025
概括
这项研究表明,特定的自然杀手 (NK) 细胞通过改变谷氨酸代谢来降低败血症风险. 关键分子SRSF7,E2F2,RAB13和S100A8被确定为潜在的败血症生物标志物.
科学领域:
- 免疫学
- 代谢学
- 基因组学
背景情况:
- 败血症对全球健康造成重大负担,死亡率高.
- 了解败血症机制对于早期诊断和有效治疗至关重要.
- 目前的诊断和治疗策略由于对败血症病理学的不完全了解而受到限制.
研究的目的:
- 通过综合的多组学方法确定新的败血症生物标志物.
- 阐明免疫细胞表型和代谢物在败血症中的作用.
- 开发用于败血症诊断的预测模型.
主要方法:
- 综合代谢,免疫细胞和GWAS数据的孟德尔随机化 (MR) 分析.
- 单细胞RNA测序 (scRNA-seq) 用于免疫细胞分析.
- 机器学习模型 (CatBoost,XGBoost,NGBoost) 和SHAP用于通过RT-qPCR识别和验证生物标志物.
主要成果:
- 在特定NK细胞 (HLA-DR+NK上的SSC-A) 中,MR分析发现了谷氨酸代谢与败血症之间的因果关系.
- scRNA- seq显示出明显的免疫细胞变异,并突出显示NK细胞参与谷氨酸代谢.
- 机器学习模型实现了高预测精度 (AUC高达0.95),识别了SRSF7,E2F2,RAB13和S100A8作为关键的败血症相关分子.
结论:
- 减少特定NK细胞的谷氨酸降解与败血症风险的降低有关.
- 建议SRSF7,E2F2,RAB13和S100A8作为败血症的潜在致病生物标志物.
- 综合的多组学和机器学习方法为毒症等复杂疾病的生物标志物发现提供了强大的策略.
