Een nieuw wapen voor de diagnose van tuberculose en detectie van resistentie tegen geneesmiddelen: een nieuwe generatie Targeted Sequencing (tNGS) gecombineerd met machinaal leren voor de diagnose van tuberculose-overgevoeligheid
Literatuurrapport: CCa: een diagnostisch model gebaseerd op tNGS en machine learning, geschikt voor mensen met minder bacteriële tuberculose en tuberculeuze meningitis.
Titel van het proefschrift: Tuberculous-targeted next-generation sequencing en machinaal leren: een ultragevoelige diagnostische strategie voor pacifische longtubuli en tubulaire meningitis.
Periodiek: 《Clinica Chimica Acta》
ALS: 6.5
Datum van publicatie: januari 2024
In combinatie met de University of Chinese Academy of Sciences en het Beijing Chest Hospital van de Capital Medical University heeft Macro & Micro-Test een tuberculose-diagnosemodel ontwikkeld, gebaseerd op de nieuwe generatie gerichte sequencing-technologie (tNGS) en machine learning-methode, die ultrahoge detectiegevoeligheid voor tuberculose met weinig bacteriën en tuberculeuze meningitis, zorgde voor een nieuwe diagnosemethode voor overgevoeligheid voor de klinische diagnose van twee soorten tuberculose, en hielp bij de nauwkeurige diagnose, detectie van medicijnresistentie en behandeling van tuberculose.Tegelijkertijd is gebleken dat het plasma-cfDNA van de patiënt kan worden gebruikt als een geschikt monstertype voor klinische bemonstering bij de diagnose van TBM.
In deze studie werden 227 plasmamonsters en hersenvochtmonsters gebruikt om twee klinische cohorten vast te stellen, waarbij de laboratoriumdiagnostische cohortmonsters werden gebruikt om het machine learning-model voor tuberculosediagnose vast te stellen, en de klinisch diagnostische cohortmonsters werden gebruikt om de vastgestelde bevindingen te verifiëren. diagnostisch model.Alle monsters werden eerst onderzocht door een speciaal ontworpen verzameling van gerichte vangsondes voor Mycobacterium tuberculosis.Vervolgens wordt, op basis van TB-tNGS-sequencinggegevens, het beslissingsboommodel gebruikt om vijfvoudige kruisvalidatie uit te voeren op de trainings- en validatiesets van de laboratoriumdiagnostische wachtrij, en worden de diagnostische drempels van plasmamonsters en hersenvochtmonsters verkregen.De verkregen drempel wordt ter detectie in twee testsets van de klinische diagnosewachtrij geplaatst, en de diagnostische prestaties van de leerling worden geëvalueerd aan de hand van de ROC-curve.Tenslotte werd het diagnosemodel voor tuberculose verkregen.
Fig. 1 schematisch diagram van onderzoeksontwerp
Resultaten: Volgens de specifieke drempelwaarden van het CSF-DNA-monster (AUC = 0,974) en het plasma-cfDNA-monster (AUC = 0,908) bepaald in dit onderzoek, was onder 227 monsters de gevoeligheid van het CSF-monster 97,01%, de specificiteit 95,65% en de gevoeligheid en specificiteit van het plasmamonster waren 82,61% en 86,36%.Bij de analyse van 44 gepaarde monsters van plasma-cfDNA en hersenvocht-DNA van TBM-patiënten heeft de diagnostische strategie van dit onderzoek een hoge consistentie van 90,91% (40/44) in plasma-cfDNA en hersenvocht-DNA, en de gevoeligheid is 95,45%. (42/44).Bij kinderen met longtuberculose is de diagnostische strategie van dit onderzoek gevoeliger voor plasmamonsters dan de Xpert-detectieresultaten van maagsapmonsters van dezelfde patiënten (28,57% versus 15,38%).
Fig. 2 Analyseprestaties van het tuberculose-diagnosemodel voor populatiemonsters
