整合成像衍生的临床内型与等离子蛋白质学和外部多基因风险评分 提高冠状动脉微血管疾病风险预测

科学领域:

• 心脏病学 心脏病学
• 遗传学 是一个遗传学.
• 医疗成像医学成像

背景情况:

• 冠状动脉微血管疾病 (CMVD) 对缺血性心脏病有显著的贡献,但诊断不足.
• 对CMVD风险预测模型的开发受到有限的大规模全基因组关联研究 (GWAS) 的阻碍.
• 慢性心血管疾病和冠状动脉疾病 (CAD) 之间存在相当大的遗传重叠,这表明它们具有共同的遗传风险因素.

研究的目的:

• 使用外部CAD GWAS数据开发CMVD的多基因风险评分 (PRS) 模型.
• 整合PRS,等离子蛋白质组学和 perfusion PET成像,用于使用机器和深度学习进行CMVD风险预测.
• 为CMVD建立一个无监督的,基于成像的内型化框架,以识别不同的患者亚组.

主要方法:

• 通过选择CMVD GWAS的变体和应用CAD GWAS的权重来开发CMVD PRS模型.
• 整合了等离子蛋白质组学, perfusion PET成像测量和PRS到机器和深度学习模型中.
• 创建了一个无监督的内型化框架,使用透PET衍生的心肌动脉血流数据.

主要成果:

• 综合多式数据 (遗传学,蛋白质学,成像) 改善了CMVD风险预测模型.
• 基于图像的新型内型化框架揭示了不同的CMVD患者亚组.
• 与二进制分类器和临床模型相比,这种分层显著提高了分类性能 (每类AUROCs 0.65-0.73).

结论:

• 基于成像的内型鉴定与多式联络数据相结合,为精确的CMVD诊断提供了一个有前途的方法.
• 这种分层策略捕捉了CMVD异质性,使得更个性化的诊断和治疗策略成为可能.
• 这项研究为复杂心血管疾病的多式模式建模建立了一个框架,整合了遗传,蛋白质和成像数据.