跨平台蛋白质组学和机器学习算法提名了中风诊断的血生物标志物

科学领域:

• 蛋白质组学是指蛋白质组学.
• 生物标志物发现发现
• 神经学 神经学

背景情况:

• 精确的中风亚型确定对于有效的紧急分类至关重要.
• 目前的诊断方法可能耗时,延迟关键治疗.
• 基于血液的生物标志物为快速中风诊断提供了一个有希望的途径.

研究的目的:

• 识别血蛋白生物标记物,以区分主要中风亚型.
• 开发和验证急性缺血性中风,脑内出血,过渡性缺血性攻击和中风模仿的蛋白质分类器.

主要方法:

• 一项使用跨平台蛋白质组学 (SomaScan) 的病例对照研究,用于疑似中风患者的血样本.
• 分析了蛋白质在中风亚型和中风模拟器之间进行差异性丰富.
• 机器学习 (逻辑回归) 用于创建蛋白质面板,具有内部 (交叉验证,向质谱) 和外部 (数据独立采集质谱) 验证.

主要成果:

• 在7307个量化蛋白质中,61个蛋白质分化为中风亚型.
• 蛋白质分类器在内部验证中表现良好 (AUC从0.70到0.82不等).
• 外部验证证实了32种蛋白质,包括维特龙菌素 (VTN),等离子素 (PLG) 和S100A9,作为特定中风类型和模仿者的关键分类器.

结论:

• 血蛋白质组学是发现中风诊断蛋白质生物标志物的强大工具.
• 鉴定出来的蛋白质分类器显示出在急性护理环境中改善中风诊断的潜力.
• 建议在大型多中心队列中进一步验证,以将这些发现转化为临床实践.