相关实验视频
Updated: Jan 7, 2026
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
460
在术后患者中使用人工智能方法识别败血症易感基因
Fernando Vaquerizo-Villar1,2,3, Tamara Hernandez-Beeftink4, María Heredia-Rodríguez5,6,7
1Department of Anaesthesiology, Hospital Clínico Universitario de Valladolid, Valladolid, Spain.
Frontiers in medicine
|December 31, 2025
概括
这项研究使用了可解释的AI与全基因组关联研究,以找到术后败血症的新遗传标记. 通过识别PRIM2,SYNPR和RBSN等关键基因,可以更好地提前检测败血症风险.
科学领域:
- 基因组学就是基因组学.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期的败血症检测对于患者的治疗结果至关重要.
- 全基因组关联研究 (GWAS) 已经确定了败血症遗传变异,但面临患者异质性和分析方法的挑战.
- 这项研究的重点是使用可解释AI (XAI) 方法对GWAS数据在术后患者中识别新的败血症易感位.
研究的目的:
- 在术后患者中识别新的败血症敏感位点.
- 将可解释的人工智能 (XAI) 方法应用于GWAS数据以预测败血症.
- 优先考虑与术后败血症相关的遗传变异.
主要方法:
- 在750名术后败血症患者和3,500名对照人群中进行了GWAS.
- 应用了一种基于XAI的新方法对GWAS衍生的单核酸多态 (SNP) 进行败血症预测.
- 评估了顶级变体和相关基因的功能和丰富效应.
主要成果:
- 在XAI-GWAS方法有效地预测了术后败血症.
- 优先级的SNP (例如rs17653532,rs1575081785,rs74707084) 显示出对败血症预测的贡献很高.
- 发现了败血症风险位点,对基因表达,DNA复制,信号传递,细胞增殖和心脏功能有功能意义.
结论:
- 结合GWAS和XAI确定了与术后败血症易感性相关的位置.
- 通过手术前测试识别的关键基因 (PRIM2,SYNPR,RBSN) 可以改善风险分层和早期败血症检测.
- 需要在不同的队列中进一步验证,以确认发现并改善患者的治疗结果.
