Ново оружје за дијагностицирање на туберкулоза и откривање на отпорност на лекови: Целно секвенционирање од нова генерација (tNGS) во комбинација со машинско учење за дијагностицирање на преосетливост кон туберкулоза
Извештај за литературата: CCa: дијагностички модел базиран на tNGS и машинско учење, кој е погоден за луѓе со помалку бактериска туберкулоза и туберкулозен менингитис.
Наслов на тезата: Секвенционирање од следната генерација насочено кон туберкулоза и машинско учење: ултрасензитивна дијагностичка стратегија за паузифицирачки пулмонални тубуларни инфекции и тубуларен менингитис.
Периодично: 《Clinica Chimica Acta》
АКО: 6,5
Датум на објавување: јануари 2024 година
Во комбинација со Универзитетот на Кинеската академија на науките и Пекиншката болница за гради при Капиталниот медицински универзитет, „Макро и микро-тест“ воспоставија модел за дијагностицирање на туберкулоза базиран на новата генерација на технологија за целно секвенционирање (tNGS) и метод на машинско учење, што обезбеди ултрависока чувствителност на откривање на туберкулоза со малку бактерии и туберкулозен менингитис, обезбеди нов метод за дијагностицирање на преосетливост за клиничка дијагноза на два вида туберкулоза и помогна во точната дијагноза, откривање на отпорност на лекови и третман на туберкулоза. Во исто време, откриено е дека cfDNA од плазмата на пациентот може да се користи како соодветен тип на примерок за клиничко земање примероци при дијагностицирање на TBM.
Во оваа студија, 227 примероци од плазма и примероци од цереброспинална течност беа користени за да се воспостават две клинички кохорти, во кои примероците од лабораториската дијагностичка кохорта беа користени за да се воспостави модел на машинско учење за дијагноза на туберкулоза, а примероците од клиничката дијагностичка кохорта беа користени за да се потврди воспоставениот дијагностички модел. Сите примероци прво беа таргетирани од специјално дизајниран пул на насочени сонди за фаќање за Mycobacterium tuberculosis. Потоа, врз основа на податоците за секвенционирање на TB-tNGS, моделот на дрво на одлуки се користи за да се изврши 5-кратна вкрстена валидација на сетовите за обука и валидација од редот за лабораториска дијагностика, и се добиваат дијагностичките прагови на примероците од плазма и примероците од цереброспинална течност. Добиениот праг се внесува во два тест сета од редот за клиничка дијагноза за детекција, а дијагностичката изведба на ученикот се оценува со ROC крива. Конечно, беше добиен моделот за дијагноза на туберкулоза.
Сл. 1 шематски дијаграм на дизајнот на истражувањето
Резултати: Според специфичните прагови на примерокот од ДНК во цереброспиналната течност (AUC = 0,974) и примерокот од cfDNA во плазмата (AUC = 0,908) утврдени во оваа студија, кај 227 примероци, чувствителноста на примерокот од цереброспиналната течност беше 97,01%, специфичноста беше 95,65%, а чувствителноста и специфичноста на примерокот од плазмата беа 82,61% и 86,36%. Во анализата на 44 спарени примероци од cfDNA во плазмата и ДНК од цереброспиналната течност од пациенти со TBM, дијагностичката стратегија на оваа студија има висока конзистентност од 90,91% (40/44) во cfDNA во плазмата и ДНК од цереброспиналната течност, а чувствителноста е 95,45% (42/44). Кај деца со белодробна туберкулоза, дијагностичката стратегија на оваа студија е почувствителна на примероците од плазмата отколку резултатите од детекцијата на примероци од желудочен сок од истите пациенти со Xpert методот (28,57% наспроти 15,38%).
Сл. 2 Анализа на перформансите на моделот за дијагностицирање на туберкулоза за примероци од популацијата
