相关实验视频
Updated: Aug 6, 2026

A Strategy for Sensitive, Large Scale Quantitative Metabolomics
Published on: May 27, 2014
综合代谢学和机器学习揭示了对凝素中毒的诊断生物标志物
Jinxiao Zhai1, Chen Jiang2, Hui Yan3
1College of Forensic Medicine, Hebei Medical University, Hebei Key Laboratory of Forensic Medicine, Collaborative Innovation Center of Forensic Medical Molecular Identification, Shijiazhuang, 050017, China; College of Forensic Medicine, Jining Medical University, Precision Medicine Laboratory for Chronic Non-communicable Diseases of Shandong Province, Jining, 272067, China.
这项研究开发了一个机器学习模型,使用代谢学来识别凝素诱导的致命中毒 (GFI). 该模型准确地将GFI与其他死亡原因区分开来,有助于临床诊断和法医识别.
科学领域:
- 法医毒理学 法医毒理学
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
背景情况:
- 格尔西乌姆 (Gelsemium elegans Benth) 是一个有趣的植物. 是一种有毒的植物,导致致命的呼吸抑制.
- 它的主要类化合物格尔森是快速代谢的,缺乏用于中毒评估的特定生物标志物.
- 准确识别Gelsemium elegans中毒对于临床和法医目的至关重要.
研究的目的:
- 开发一种机器学习模型,以区分凝素诱导的致命中毒 (GFI) 和其他死亡原因.
- 为了确定关键的血清代谢物作为GFI的生物标志物.
- 建立一个经过验证的基于血清的分类模型,用于准确的诊断和法医识别.
主要方法:
- 来自GFI和非药物相关死亡 (NDRD) 组的血清样本的非向代谢分析.
- 使用UPLC-HRMS,化合物发现器和SIMCA识别差异化代谢物.
- 在MetaboAnalyst上使用基于随机森林 (RF) 的ROC分析构建生物标志物选择和分类模型.
- 对各种缺氧相关死亡和其他神经毒剂相关致命中毒的模型验证.
主要成果:
- 在GFI和NDRD组之间观察到显著的代谢差异.
- 创造氨酸,氨酸 (Val-Ser) 和氨酸-氨酸 (Tyr-Phe) 被确定为关键的歧视性代谢物.
- 开发的分类模型显示了高预测性能 (AUC>0.9) 并准确地区分了GFI与其他致命中毒.
- 该模型在不同的GFI剂量和与其他神经毒剂相比显示出令人满意的灵敏度和特异性.
结论:
- 成功建立了一个集代谢学和机器学习的强大的分类模型.
- 该模型有效地区分了凝素诱导的致命中毒与与低氧相关的死亡.
- 这种方法对准确的法医识别和对凝素中毒的临床诊断具有重大潜力.
更多相关视频
11:25Multi-step Preparation Technique to Recover Multiple Metabolite Compound Classes for In-depth and Informative Metabolomic Analysis
Published on: July 11, 2014
11:02Identification and Quantification of Deranged Metabolites in Critically Ill Patients Using NMR-Based Metabolomics
Published on: November 29, 2024
相关概念视频
MALDI-TOF Mass Spectrometry
Rapid Identification of Pathogens
Automated Microbial Diagnostics