A combinação de metaboloma e indicadores clínicos com aprendizado de máquina fornece alguns marcadores de diagnóstico promissores para detectar com precisão o esfregaço

BMC Infectious Diseases volume 22, Número do artigo: 707 (2022) Citar este artigo

1276 acessos

4 Citações

1 Altmétrica

Detalhes das métricas

A tuberculose (TB) foi a principal doença infecciosa letal em todo o mundo por muito tempo (2014-2019) até a pandemia global de COVID-19, e ainda é uma das 10 principais causas de morte em todo o mundo. Uma razão importante pela qual há tantos pacientes com tuberculose e casos de morte no mundo é por causa das dificuldades no diagnóstico preciso da tuberculose usando métodos de detecção comuns, especialmente para alguns casos de tuberculose pulmonar com baciloscopia negativa (SNPT). O rápido desenvolvimento do metaboloma e do aprendizado de máquina oferece uma grande oportunidade para o diagnóstico preciso da TB. No entanto, os biomarcadores de metabólitos para o diagnóstico de precisão da tuberculose pulmonar com baciloscopia positiva e negativa (SPPT/SNPT) ainda precisam ser descobertos. Neste estudo, combinamos metabolômica e indicadores clínicos com aprendizado de máquina para selecionar novos biomarcadores de diagnóstico para a identificação precisa de pacientes com SPPT e SNPT.

O perfil metabolômico plasmático não direcionado foi realizado para 27 pacientes SPPT, 37 pacientes SNPT e controles. A análise discriminante de mínimos quadrados ortogonal parcial (OPLS-DA) foi então conduzida para rastrear metabólitos diferenciais entre os três grupos. Vias enriquecidas com metabólitos, floresta aleatória (RF), máquinas de vetores de suporte (SVM) e rede neural perceptron multicamadas (MLP) foram realizadas usando Metaboanalyst 5.0, pacote R "caret", pacote R "e1071" e pacote Python "Tensorflow", respectivamente.

A análise metabolômica revelou um enriquecimento significativo de metabólitos de ácidos graxos e aminoácidos no plasma de pacientes com SPPT e SNPT, onde as amostras de SPPT mostraram uma disfunção mais séria no metabolismo de ácidos graxos e aminoácidos. A análise de RF adicional revelou quatro combinações de biomarcadores de diagnóstico otimizados, incluindo dez características (duas moléculas lipídicas/tipo lipídios e sete ácidos orgânicos/derivados e um indicador clínico) para a identificação de pacientes SPPT, SNPT e controles com alta precisão (83-93% ), que foram posteriormente verificados por SVM e MLP. Entre eles, MLP apresentou o melhor desempenho de classificação na identificação precisa simultânea dos três grupos (94,74%), sugerindo a vantagem de MLP sobre RF/SVM até certo ponto.

Nossas descobertas revelam características metabolômicas plasmáticas de pacientes SPPT e SNPT, fornecem alguns novos marcadores diagnósticos promissores para o diagnóstico preciso de vários tipos de TB e mostram o potencial do aprendizado de máquina na triagem de biomarcadores de big data.

Relatórios de revisão por pares

De acordo com relatórios da OMS, a tuberculose (TB) causada por Mycobacterium tuberculosis (Mtb) foi a principal doença infecciosa letal em todo o mundo por um longo período (2014-2019) até a pandemia global de COVID-19 (2020-2021) [1] e havia cerca de 10 milhões de novos casos de TB a cada ano [2, 3]. De acordo com os dados coletados do Sistema Nacional de Notificação de Doenças Notificáveis ​​(NNDRS), a incidência anual de Xinjiang é de 169,05/100.000 e a taxa média anual de PTB (tuberculose pulmonar) relatada em Kashgar foi de 450,91/100.000 de 2011 a 2020 [4] . Por que há tantos pacientes com tuberculose e casos de morte em todo o mundo? Uma razão é devido às dificuldades no diagnóstico preciso da TB, especialmente para alguns casos de tuberculose pulmonar com baciloscopia negativa (SNPT) que geralmente apresentam sintomas semelhantes a outras doenças pulmonares [5, 6]. Em alguns países/regiões, os pacientes com SNPT chegam a representar mais de 50% de todos os casos de TB [7].

Atualmente, embora três métodos comuns (baciloscopia de escarro, testes de cultura de escarro e ensaios Xpert MTB/RIF) possam alcançar um diagnóstico relativamente preciso para a maioria dos pacientes com TB, eles ainda apresentam algumas desvantagens (como sensibilidade relativamente baixa para baciloscopia de escarro, demorado para cultura de escarro e custo relativamente alto para Xpert), levando ainda a alguns casos falsos negativos/positivos [1, 6, 8,9,10]. O diagnóstico de falha pode resultar em tratamento tardio, efeito terapêutico ruim e custos de tratamento mais altos [11, 12]. Atualmente, como detectar oportuna e precisamente vários tipos de TB continua sendo um desafio substancial para o controle global da TB.