基于蛋白质学的机器学习模型用于预测与HBV相关的肝衰竭中的二次感染
Feixiang Xiong1, Jianming Zheng2, Jiajia Chen3
1National Center for Infectious Diseases, Beijing Ditan Hospital, Capital Medical University, Beijing, China.
Nature communications
|March 3, 2026
概括
一个新的血蛋白质组学模型准确地预测了乙型肝炎肝衰竭患者的二次感染. 这种工具有助于早期干预,改善结果并优于现有的风险评分.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 蛋白质组学是指蛋白质组学.
- 传染性疾病 传染性疾病
背景情况:
- 患有乙型肝炎病毒相关的肝衰竭的患者面临二次感染的高风险.
- 目前,这些患者中二次感染的早期检测工具有限.
研究的目的:
- 开发和验证基于血蛋白质组学的模型,用于对二次感染的早期风险评估.
- 确定与二次感染风险相关的关键蛋白质生物标志物.
主要方法:
- 未来的多中心研究与发现和验证队列.
- 非目标和目标蛋白质组学,最小冗余性最大相关性特征选择,后勤回归和ELISA.
- 使用AUROC评估的模型性能,与CRP,WBC,NE%,CLIF-C ACLF和MELD分数进行比较.
主要成果:
- 蛋白质组学确定了与二次感染相关的炎症和凝血通路的失调.
- 一个包含LYZ,CALM1,SERPIND1,DPT,总胆红素和AST的模型显示出高的预测准确性 (AUROC 0.980发现,0.873验证).
- 该模型在预测二次感染和28天死亡率方面表现优于已有的临床标志物和得分.
结论:
- 一种血蛋白学衍生模型可靠地识别了乙型肝炎肝功能衰竭的患者,他们面临高风险的二次感染.
- 该模型支持及时的临床干预,可能改善患者的治疗结果.
- ELISA验证证实了该模型的稳定性和临床应用潜力.
