使用无监督机器学习对全身辐射后细胞衰竭的序列的表征

科学领域:

• 血液学 血液学 血液学
• 辐射瘤学 辐射瘤学
• 计算生物学 计算生物学

背景情况:

• 血液形成性急性辐射综合征 (H-ARS) 在全身辐射 (TBI) 后导致显著的骨髓抑制.
• 了解血细胞损失和恢复的精确顺序对于开发有效的对策至关重要.
• 非人类灵长类动物 (NHPs) 作为研究TBI诱导的H-ARS的相关模型.

研究的目的:

• 在男性和女性NHP中描述TBI后的胰岛素衰竭的时间序列.
• 为了评估sargramostim治疗对血液细胞恢复动态的影响.
• 应用无监督机器学习来详细分析纵向血细胞数据.

主要方法:

• 在三项随机试验中,从501个NHP收集了纵向血细胞数据.
• 使用了无监督的机器学习,特别是带有动态时间扭曲 (DTW) 的等级聚类.
• 血细胞恢复趋势在sargramostim治疗和车载治疗组之间的比较,按性别分层.

主要成果:

• 淋巴细胞和网状细胞是TBI后耗尽的第一个细胞类型,其次是与WBC相关的细胞,血小板和红细胞相关的细胞.
• 纳迪尔点发生在不同的时间:网状细胞 (8日),白血细胞 (12日),血小板 (13日) 和红血细胞 (17日).
• 与对照组相比,Sargramostim治疗导致更早或类似的恢复时间;女性比男性表现出更深的纳迪尔.

结论:

• 无监督ML提供了一种强大的方法来表征H-ARS中的全细胞衰竭序列.
• 这些发现阐明了H-ARS的致病性,为治疗策略和对策开发提供了信息.
• 了解性别特异性差异和治疗效果对于优化H-ARS管理和医疗分组至关重要.