基于非目标代谢学和机器学习算法,确定治疗性结肠炎升级的生物标志物:一项前性队列研究
Muzhou Han1, Hao Wang2, Siying Zhu1
1Department of Gastroenterology, Beijing Friendship Hospital, Capital Medical University; National Clinical Research Center for Digestive Diseases; Beijing Digestive Disease Center, Beijing 100050, China.
Clinical and translational gastroenterology
|October 23, 2025
概括
研究人员确定了血中的关键代谢物,以预测性结肠炎 (UC) 患者的治疗升级. 使用这些代谢生物标记物的机器学习模型显示,在活跃的UC中,早期风险评估的准确性很高.
科学领域:
- 胃肠病学 胃肠病学
- 代谢学 代谢学 代谢学
- 生物标志物发现发现
背景情况:
- 迫切需要生物标志物来指导活跃性结肠炎 (UC) 的临床决策.
- 预测UC患者治疗升级的现有局限性.
研究的目的:
- 确定与UC治疗升级相关的代谢物.
- 使用非目标代谢学和机器学习开发预测模型.
主要方法:
- 在88个来自活跃UC患者的血样本上的非向代谢量.
- 分析与治疗升级相关的代谢生物标志物和途径.
- 使用SVM,随机森林,KNN和后勤回归的诊断模型的开发.
主要成果:
- 确定了9种差异性代谢物作为UC治疗升级的候选生物标志物.
- 发现氨酸和乙脂代谢途径受到干扰.
- 机器学习模型实现了高AUC (高达0.966) 预测治疗升级.
结论:
- 血代谢组是预测UC治疗升级的有希望的来源.
- 代谢生物标志物与机器学习相结合,提供了高效的风险评估.
- 使用这些方法,早期识别UC治疗升级是可行的.
更多相关视频
11:00Untargeted Metabolomics from Biological Sources Using Ultraperformance Liquid Chromatography-High Resolution Mass Spectrometry UPLC-HRMS
Published on: May 20, 2013
23.3K
11:02Identification and Quantification of Deranged Metabolites in Critically Ill Patients Using NMR-Based Metabolomics
Published on: November 29, 2024
1.0K
