使用机器学习和71-Plex免疫媒介分析来识别与CRSwNP患者的嗅觉损失相关的鼻粘液生物标志物

科学领域:

• 免疫学 免疫学 免疫学
• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 计算生物学 计算生物学

背景情况:

• 长期带有鼻息肉的鼻鼻炎 (CRSwNP) 经常导致嗅觉功能障碍.
• 与CRSwNP相关的气味丧失的潜在生物机制尚未完全理解.

研究的目的:

• 在CRSwNP中识别与嗅觉功能障碍相关的鼻中的新生物标志物.
• 探索机器学习在分析复杂的细胞因子数据以获得预测性见解方面的实用性.

主要方法:

• 使用宾夕法尼亚大学气味识别测试 (UPSIT) 评估了嗅觉功能.
• 在手术期间从CRSwNP患者 (n=15) 收集了鼻样本.
• 为了分析生物标志物数据,使用了71细胞因子/化学因子多重检测和机器学习模型.

主要成果:

• 机器学习模型将IL-21和MIP-1δ确定为嗅觉功能障碍严重性的显著预测因素.
• 其他预测性细胞因子包括IL-18,MCP-1,IL-22和BCA-1.
• 其他几个细胞因子也被发现是至少一个模型的预测.

结论:

• 鼻中的细胞因子,特别是MIP-1δ和IL-21,可能在CRSwNP中调节嗅觉功能方面发挥关键作用.
• 对多重细胞因子数据的机器学习分析提供了一种强大的方法,以了解在鼻疾病中复杂的免疫媒介相互作用.