Isang Bagong Armas para sa Tuberculosis Diagnosis at Drug Resistance Detection: Isang Bagong Generation Targeted Sequencing (tNGS) na Pinagsama sa Machine Learning para sa Tuberculosis Hypersensitivity Diagnosis
Ulat sa panitikan: CCa: isang diagnostic model batay sa tNGS at machine learning, na angkop para sa mga taong may mas kaunting bacterial tuberculosis at tuberculous meningitis.
Pamagat ng thesis: Tuberculous-targeted next-generation sequencing at machine learning: isang ultra-sensitive na diagnostic na diskarte para sa paucific pulmonary tubulars at tubular meningitis.
Periodical: 《Clinica Chimica Acta》
KUNG: 6.5
Petsa ng publikasyon: Enero 2024
Kasama ang University of Chinese Academy of Sciences at Beijing Chest Hospital ng Capital Medical University, ang Macro & Micro-Test ay nagtatag ng modelo ng diagnosis ng tuberculosis batay sa bagong henerasyon ng teknolohiyang naka-target na pagkakasunud-sunod (tNGS) at paraan ng pag-aaral ng makina, na nagbigay ng napakataas detection sensitivity para sa tuberculosis na may kaunting bacteria at tuberculous meningitis, nagbigay ng bagong hypersensitivity diagnosis method para sa clinical diagnosis ng dalawang uri ng tuberculosis, at tumulong sa tumpak na diagnosis, drug resistance detection at paggamot ng tuberculosis.Kasabay nito, napag-alaman na ang plasma cfDNA ng pasyente ay maaaring gamitin bilang angkop na uri ng sample para sa clinical sampling sa pagsusuri ng TBM.
Sa pag-aaral na ito, 227 na mga sample ng plasma at mga sample ng cerebrospinal fluid ang ginamit upang magtatag ng dalawang clinical cohorts, kung saan ginamit ang laboratory diagnostic cohort sample upang maitaguyod ang machine learning model ng tuberculosis diagnosis, at ang clinical diagnostic cohort sample ay ginamit upang i-verify ang itinatag modelo ng diagnostic.Ang lahat ng mga sample ay unang na-target ng isang espesyal na idinisenyong naka-target na capture probe pool para sa Mycobacterium tuberculosis.Pagkatapos, batay sa data ng pagkakasunud-sunod ng TB-tNGS, ginagamit ang modelo ng decision tree para magsagawa ng 5-fold na cross-validation sa mga set ng pagsasanay at validation ng laboratory diagnostic queue, at ang mga diagnostic threshold ng mga sample ng plasma at mga sample ng cerebrospinal fluid ay nakuha.Ang nakuhang threshold ay dinadala sa dalawang test set ng clinical diagnosis queue para sa pagtuklas, at ang diagnostic performance ng mag-aaral ay sinusuri ng ROC curve.Sa wakas, ang modelo ng diagnosis ng tuberculosis ay nakuha.
Fig. 1 schematic diagram ng disenyo ng pananaliksik
Mga Resulta: Ayon sa mga tiyak na threshold ng CSF DNA sample (AUC = 0.974) at plasma cfDNA sample (AUC = 0.908) na tinutukoy sa pag-aaral na ito, sa 227 sample, ang sensitivity ng CSF sample ay 97.01%, ang specificity ay 95.65%, at ang sensitivity at specificity ng sample ng plasma ay 82.61% at 86.36%.Sa pagsusuri ng 44 na ipinares na mga sample ng plasma cfDNA at cerebrospinal fluid DNA mula sa mga pasyente ng TBM, ang diagnostic na diskarte ng pag-aaral na ito ay may mataas na pagkakapare-pareho ng 90.91% (40/44) sa plasma cfDNA at cerebrospinal fluid DNA, at ang sensitivity ay 95.45% (42/44).Sa mga batang may pulmonary tuberculosis, ang diagnostic na diskarte ng pag-aaral na ito ay mas sensitibo sa mga sample ng plasma kaysa sa Xpert detection na mga resulta ng mga sample ng gastric juice mula sa parehong mga pasyente (28.57% VS 15.38%).
Fig. 2 Pagsusuri ng pagganap ng modelo ng diagnosis ng tuberculosis para sa mga sample ng populasyon