综合蛋白质和新陈代谢分析,用于开发新的基于等离子体的萨尔科佩尼亚诊断模型

科学领域:

• 发现生物标志物的发现.
• 老年学是一门学科.
• 翻译医学是一种翻译医学.

背景情况:

• 萨科佩尼亚是一种渐进的与年龄相关的疾病,由于当前标准和生物标志物的局限性,诊断具有挑战性.
• 现有的萨科佩尼亚诊断方法缺乏可扩展性和准确性,需要新的方法.

研究的目的:

• 开发高性能基于等离子体的诊断模型,用于麻症.
• 为了提高诊断准确性,整合蛋白质组和代谢组的概况.
• 为了确定用于早期发现肉症的关键生物标志物.

主要方法:

• 采用了来自sarcopenic和non-sarcopenic个体的血样本的蛋白质和代谢分析.
• 使用年龄和性别匹配的参与者构建发现和验证队列.
• 开发了用于诊断预测的单omics和组合多omics模型 (高斯朴素贝叶斯和后勤回归).

主要成果:

• 发现65种蛋白质和268种代谢物在sarcopenic和non-sarcopenic组之间存在差异.
• 整合蛋白质组和代谢组数据的组合模型显著优于单一组的模型.
• 一个由四个生物标志物组成的模型 (组合模型2) 显示出高诊断性能 (验证时AUC为0.911),具有出色的灵敏度和特异性.

结论:

• 通过整合蛋白质和代谢特征,成功开发了基于血的高性能诊断模型.
• 一个由四个生物标志物组成的模型显示出一种临床上可扩展的方法,用于早期发现肉类的显著潜力.
• 这项研究强调了多种OMIC集成对准确的萨尔科佩尼亚诊断的有用性.