Nature子刊新方向诊断肺癌新工

北京中科白癜风医院坑不坑 http://www.csjkc.com/yydt/m/515.html

本文为转化医学网原创，转载请注明出处

作者：Floyd

导读：代谢组学可以通过识别表征患者病理状态的特定生物标志物或生物标志物组，为改善肺癌诊断提供重要的见解。我们利用现代综合生物信息学工具，包括单因素分析、多因素分析、部分相关网络分析和机器学习，对非小细胞肺癌(NSLC,n=)和无任何癌症或慢性病理(n=)的血浆样本进行了针对性的代谢组学分析，以确定血浆内源性代谢物与NSLC之间的关系。

通过比较NSCLC患者和非癌症个体的代谢组学特征，我们发现主要与色氨酸代谢、TCA循环、尿素循环和脂质代谢相关的代谢物浓度水平发生了显著变化。此外，部分相关网络分析揭示了代谢物的新比率，显着区分了被考虑的参与者群体。利用鉴定出的显著改变的代谢物及其比例，我们开发了一个ROCAUC值为0.96的机器学习分类模型。所开发的机器学习肺癌模型可以作为肺癌实时诊断方法的原型，未来可能会被引入常规临床应用。总之，我们已经证明了代谢组学和最新生物信息学的结合可以作为正确诊断非小细胞肺癌患者的潜在工具。