巴西的科学家基于质谱和机器学习开发了一种针对新冠病毒的新诊断测试,该测试可测量参与甘油磷脂途径的代谢产物的丰度。它可以在数分钟内给出结果,还可以预测患者患该疾病的风险低还是高。
新冠病毒测试
自从新冠病毒大流行开始以来,医药界迅速制定了许多诊断测试方法,以便可以检测到病毒并将其控制。它们一般基于抗原检测,抗体检测和RNA扩增,并提供了对比程度的敏感性和特异性。现在,巴西的一大批科学家开发了一种新的测试方法,该测试方法采用了另一种方法,以寻找被新冠病毒感染扰乱的代谢物。它受到机器学习的支持,该机器学习用于识别和建模潜在的生物标记。
该测试是在3组患者中使用合并血浆开发而成的,包括442名确诊的新冠病毒患者,23名未确诊的可疑病例和350名对照。用甲醇简单预处理并离心后,将血浆上清液用酸化的甲醇稀释,然后直接注入高分辨率质谱仪中。以正离子模式在140,000 FWHM的高分辨率下运行,无需进行初始色谱分离即可加快整个分析过程。
使用离子m / z值,强度,宽度和分辨率对质谱数据进行预处理,并进行对齐,归一化和去噪。使用机器学习算法(例如自适应树增强,梯度树增强,随机森林,极端随机森林,偏最小二乘和支持向量机)确定了最有区别的特征。
使用累积分布函数分析评估了代谢物作为潜在生物标志物的重要性,该分析将阳性新冠病毒血浆的值与对照组的值进行了比较,并确定了它们对疾病的正向或负向影响。进行了两轮培训和验证。
新冠病毒区分代谢物
该过程共鉴定出26个判别离子。在这些模型中,有7个无法确定,但是其余的19个模型被采用,其中8个对疾病有积极贡献,而第十一个则有负面贡献。将离子用于成对模型中的训练和验证,该模型利用成对的生物标志物强度之间的关系,而不是相对丰度。这种方法用于“尽管输入数据有所变化,但仍为模型增加了稳健性”。
经过方法培训和验证后,这些离子用于新冠病毒的盲法测试中,特异性为96%,灵敏度为83.1%。这些数字至少与当前的血清学和PCR方法一样好。
这些特殊的代谢物的使用得到了支持,因为许多是参与甘油磷脂代谢的脂质。它们包括七种甘油磷脂,三种固醇脂质,三种甘油脂,两种脂肪酸,一种鞘氨醇,一种嘌呤代谢产物和两种未知肽。在新冠病毒感染期间,它们各自的上升或下降反映了在其他情况下的行为,例如败血症和急性呼吸应激综合症。
这些生物标记物还能够将住院十天以上,机械通气或死亡的高危患者与中度或轻度症状的低危患者区分开。他们还可以区分低风险患者和没有症状的患者。
研究小组得出结论,他们的方法“在一个解决方案中,汇总了人口新冠病毒筛查的另一种选择,并通过风险分类为公共卫生工作提供了指导”。
(编译:符斌 北京中实国金国际实验室能力验证研究中心研究员)
根据Covid-19 Automated Diagnosis and Risk Assessment through metabolomics and Machine Learning编写
Published: Jan 20, 2021
Author: Jeany Delafiori