La combinazione del metaboloma e degli indicatori clinici con l’apprendimento automatico fornisce alcuni marcatori diagnostici promettenti per rilevare con precisione lo striscio

BMC Infectious Diseases volume 22, numero articolo: 707 (2022) Citare questo articolo

1276 accessi

4 citazioni

1 Altmetrico

Dettagli sulle metriche

La tubercolosi (TBC) è stata per lungo tempo (2014-2019) la principale malattia infettiva letale a livello mondiale (2014-2019) fino alla pandemia globale di COVID-19, ed è ancora una delle 10 principali cause di morte a livello mondiale. Un motivo importante per cui ci sono così tanti pazienti affetti da tubercolosi e casi di morte nel mondo è dovuto alle difficoltà nella diagnosi precisa della tubercolosi utilizzando metodi di rilevamento comuni, in particolare per alcuni casi di tubercolosi polmonare con striscio negativo (SNPT). Il rapido sviluppo del metaboloma e dell’apprendimento automatico offre una grande opportunità per la diagnosi precisa della tubercolosi. Tuttavia, i biomarcatori metabolitici per la diagnosi di precisione della tubercolosi polmonare con striscio positivo e negativo (SPPT/SNPT) restano da scoprire. In questo studio, abbiamo combinato la metabolomica e gli indicatori clinici con l’apprendimento automatico per escludere nuovi biomarcatori diagnostici per l’identificazione precisa dei pazienti SPPT e SNPT.

È stata eseguita una profilazione metabolomica plasmatica non mirata per 27 pazienti SPPT, 37 pazienti SNPT e controlli. È stata quindi condotta l'analisi discriminante dei minimi quadrati parziali ortogonali (OPLS-DA) per selezionare i metaboliti differenziali tra i tre gruppi. Percorsi arricchiti di metaboliti, foresta casuale (RF), macchine vettoriali di supporto (SVM) e rete neurale percettrone multistrato (MLP) sono stati eseguiti utilizzando Metaboanalyst 5.0, pacchetto R "caret", pacchetto R "e1071" e pacchetto Python "Tensorflow", rispettivamente.

L'analisi metabolomica ha rivelato un arricchimento significativo di metaboliti di acidi grassi e aminoacidi nel plasma dei pazienti SPPT e SNPT, dove i campioni SPPT hanno mostrato una disfunzione più grave nel metabolismo degli acidi grassi e degli aminoacidi. Ulteriori analisi RF hanno rivelato quattro combinazioni ottimizzate di biomarcatori diagnostici, tra cui dieci caratteristiche (due molecole lipidiche/simili ai lipidi e sette acidi organici/derivati ​​e un indicatore clinico) per l'identificazione di pazienti SPPT, SNPT e controlli con elevata precisione (83–93% ), che sono stati ulteriormente verificati da SVM e MLP. Tra questi, MLP ha mostrato la migliore prestazione di classificazione nell'identificazione simultanea e precisa dei tre gruppi (94,74%), suggerendo in una certa misura il vantaggio di MLP rispetto a RF/SVM.

I nostri risultati rivelano caratteristiche metabolomiche del plasma dei pazienti SPPT e SNPT, forniscono alcuni nuovi marcatori diagnostici promettenti per la diagnosi di precisione di vari tipi di tubercolosi e mostrano il potenziale dell’apprendimento automatico nello screening dei biomarcatori dai big data.

Rapporti di revisione tra pari

Secondo i rapporti dell’OMS, la tubercolosi (TBC) causata dal Mycobacterium tuberculosis (Mtb) è stata per lungo tempo (2014-2019) la principale malattia infettiva letale a livello mondiale (2014-2019) fino alla pandemia globale di COVID-19 (2020-2021) [1], e si verificavano circa 10 milioni di nuovi casi di tubercolosi ogni anno [2, 3]. Secondo i dati raccolti dal National Notifying Disease Reporting System (NNDRS), l’incidenza annuale dello Xinjiang è di 169,05/100.000 e il tasso medio annuo di PTB (tubercolosi polmonare) segnalata a Kashgar è stato di 450,91/100.000 dal 2011 al 2020 [4] . Perché ci sono così tanti malati di tubercolosi e casi di morte in tutto il mondo? Uno dei motivi è dovuto alle difficoltà nella diagnosi precisa della tubercolosi, in particolare per alcuni casi di tubercolosi polmonare con striscio negativo (SNPT) che di solito mostrano sintomi simili ad altre malattie polmonari [5, 6]. In alcuni paesi/regioni, i pazienti affetti da SNPT rappresentano addirittura oltre il 50% di tutti i casi di tubercolosi [7].

Attualmente, sebbene tre metodi comuni (microscopia su striscio di espettorato, test di coltura dell'espettorato e test Xpert MTB/RIF) possano ottenere una diagnosi relativamente precisa per la maggior parte dei pazienti affetti da tubercolosi, presentano ancora alcuni svantaggi (come sensibilità relativamente bassa per la microscopia su striscio di espettorato, che richiede tempo per la coltura dell'espettorato e costi relativamente elevati per Xpert), portando ulteriormente ad alcuni casi falsi negativi/positivi [1, 6, 8,9,10]. Il fallimento della diagnosi può comportare un trattamento ritardato, uno scarso effetto terapeutico e costi di trattamento più elevati [11, 12]. Al giorno d’oggi, individuare in modo tempestivo e accurato i vari tipi di tubercolosi rimane una sfida sostanziale per il controllo globale della tubercolosi.