導讀 來自加利福尼亞州斯坦福大學的 Yiran E Liu 及其同事整合了 11 個公共數(shù)據(jù)集，對來自 7 個國家的 365 名登革熱患者的血液轉(zhuǎn)錄組
來自加利福尼亞州斯坦福大學的 Yiran E. Liu 及其同事整合了 11 個公共數(shù)據(jù)集，對來自 7 個國家的 365 名登革熱患者的血液轉(zhuǎn)錄組進行了分析。在非重癥患者和進展為 SD 的患者之間鑒定出差異表達基因(DEG)。XGBoost 機器學習模型僅使用這些 DEG 對公共數(shù)據(jù)進行訓練，以預測向 SD 的進展。該模型在哥倫比亞的 377 名登革熱患者的前瞻性登記隊列中得到驗證。
研究人員在公共數(shù)據(jù)集中確定了八個與 SD 相關(guān)的 DEG，并建立了一個八基因 XGBoost 模型。在獨立驗證隊列中，該模型準確預測 SD 進展，敏感性和特異性分別為 86.4% 和 79.7%。鑒于隊列中 SD 病例的比例為 5.8%，八基因模型的陽性和陰性預測值分別為 20.9% 和 99.0%。臨床預警信號的敏感性和特異性分別為 77.3% 和 39.7%;相比之下，八基因模型導致需要預測的數(shù)量減少了 80%(從 25.4 減少到 5.0)。八基因模型在發(fā)熱后的前三天和 SD 進展前三天提供了對后續(xù) SD 的準確預測。
一位合著者在一份聲明中說： “擁有一種能夠有效預測哪些患者將發(fā)展為嚴重登革熱的生物標志物也將有助于選擇登革熱患者進行旨在評估抗病毒策略的臨床研究。”
幾位作者披露了與生物制藥行業(yè)的財務(wù)聯(lián)系;一位作者擁有專利，并且八基因組已被披露以獲得可能的專利保護。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！