基于唾液微生物群的牙周炎阶段预测模型

科学领域:

• 口腔微生物学 口腔微生物学
• 计算生物学是一种计算生物学.
• 牙周病学 牙周病学

背景情况:

• 牙周炎是一种常见的口腔疾病,对健康有重大影响.
• 准确和早期诊断对于有效的治疗至关重要,但与传统方法具有挑战性.
• 唾液微生物组的改变与牙周健康状况有关.

研究的目的:

• 描述唾液微生物组组成,用于分类牙周健康和牙周炎阶段.
• 开发一种用于非侵入性牙周炎诊断的机器学习模型.
• 确定与牙周炎不同阶段相关的关键微生物种群.

主要方法:

• 来自250名受试者的唾液样本的16S核糖体RNA基因测序 (100名健康者,150名牙周炎患者).
• 使用ANCOM.对alpha多样性的分析和差异丰富的种类的识别.
• 开发随机森林机器学习模型用于牙周炎阶段的分类.

主要成果:

• 在健康和牙周炎组之间唾液微生物群α多样性的显著差异.
• 鉴定了20种不同丰富的类型,其中包括 Porphyromonas gingivalis 和 Actinomyces spp. 它们是关键分类器.
• 随机森林模型在分类牙周炎阶段 (AUC 0.829),早期疾病 (AUC 0.736) 和与健康个体区分 (AUC 0.924) 中取得了高准确性.
• 模型在外部数据集上表现出良好的表现,其中存在可能因种族而产生的轻微差异.

结论:

• 唾液微生物组资料可以准确地分类牙周健康状况和牙周炎的各个阶段.
• 使用关键微生物种群的机器学习模型提供了牙周炎的非侵入性诊断工具.
• 这种方法支持准确,可访问和早期诊断,可能改善牙科疾病管理.