用Graphdiyne辅助的LDI-MS用于结核查中的快速,非侵入性尿液代谢概况

科学领域:

• 代谢学 代谢学 代谢学
• 质谱测量质量谱测量
• 机器学习 机器学习
• 传染病诊断 传染病诊断 传染病诊断

背景情况:

• 结核病 (TB) 构成了重大的全球卫生挑战,需要改进诊断方法.
• 目前的结核病诊断可能是侵入性的,耗时的,或需要专门的基础设施.
• 非侵入性,快速查工具对于早期发现和有效管理结核病至关重要.

研究的目的:

• 开发和验证一种快速,非侵入性的以尿为基础的代谢学方法,用于检测活性结核病.
• 为了利用graphdiyne (GD) 辅助的激光消耗电离质谱学 (LDI-MS) 与机器学习相结合,用于结核病查.
• 确定与活跃结核病相关的关键代谢干扰.

主要方法:

• 从健康对照组 (HC) 和活跃结核病患者的尿液样本使用GD辅助的LDI-TOFMS进行了分析.
• 代谢物指纹被生成并接受监督机器学习分类.
• 识别和注释了歧视性代谢物和途径.

主要成果:

• 由GD协助的LDI-TOF MS平台与机器学习相结合,实现了结核病患者和健康对照之间的优秀歧视.
• 关键的分辨性尿路代谢物表明结核病患者的能量,核酸和氨基酸代谢发生变化.
• 这些代谢转变反映了细胞能量处理和免疫反应的变化.

结论:

• GD辅助的LDI-TOFMS提供了一种快速,高通量的代谢物分析方法.
• 开发的平台为早期结核病检测和监测提供了一个患者友好的,非侵入性的查策略.
• 这些发现突显了代谢学在理解结核病相关病理生理学方面的潜力.