文献解读 | 机器学习结合代谢组学提升视网膜病变的诊断精度

　　遗传性视网膜退化（IRD）是一组以高度异质性为特征的视网膜疾病，其临床精准诊断具有挑战性，已知300多个基因与IRD相关，但临床症状的重叠使得预测致病基因非常困难，此外基因组检测分析的成本和时间消耗亦是一个现实挑战。

　　本研究旨在探索IRD患者的血清代谢物图谱，并通过机器学习模型区分不同类型的IRD，以期在基因检测之外，提供另一种实用的临床诊断工具。

　　01研究方法

　　研究聚焦于不同的IRD患者，包括视网膜色素变性（RP）、Stargardt病（STGD）、锥杆细胞营养不良（CRD）和Bietti结晶性营养不良（BCD），队列纳入127名患者，28名对照。收集血清样本，甲基叔丁基醚（MTBE）提取血清中的代谢物，液相色谱-质谱（LC-MS）分析鉴定。

　　使用MetaboAnalyst 5.0在线平台开展热图、火山图和偏最小二乘判别分析（PLS-DA）分析，构建了两个诊断模型：一个用于区分CD/CRD、STGD和健康参与者，另一个用于RP患者的基因型预测。

　　模型基于质谱数据集，使用RapidMiner Studio软件构建，采用最小绝对收缩和选择算子（LASSO）算法进行训练和验证，使用交叉验证来评估训练数据集模型，并使用验证数据集评估训练好的模型。

　　02研究结果

　　研究发现，不同IRD亚型患者血清代谢物图谱与对照相比存在差异，火山图显示数百种代谢物差异。几种特定代谢物在IRD患者中显著升高或降低物，例如D-木糖酸、香叶醇醋酸酯和十六烷二酸在多数IRD亚型中升高；而N-十一烷酰甘氨酸和其他几种甘油磷脂类化合物则降低。

　　机器学习模型准确区分IRD不同亚型，对于CRD和STGD实现了100%准确，而对于RP的准确达到了85.7%。研究显示，即使是临床表现相似的不同基因型RP患者，其代谢物图谱也存在差异，机器学习模型能够区分EYS、USH2A以及其他RP基因型。

　　值得注意的是，BCD患者的代谢物谱与对照组高度相似，与其他IRD亚型明显不同。这表明BCD的病理机制可能与其他IRD亚型不同，主要涉及脂质代谢的功能障碍。

　　研究揭示了特定代谢物与IRD不同亚型之间的关联，如全反式视黄醇水平在CD/CRD组最高，其次是RP组，这可能与视网膜稳态的更大干扰和光感受器损伤更严重有关。

　　03研究结论

　　研究基于代谢组学和机器学习模型，提出了一种改进的IRD诊断流程，这可能有助于在基因检测之前快速、准确地诊断IRD，从而提高临床效率。

　　通过机器学习模型，研究成功区分了IRD的不同亚型，特别是在区分CRD和STGD以及EYS和USH2A相关RP方面表现出了100%的准确性，这为临床诊断提供了一种高效、准确的辅助工具。

　　04研究结果展开

　　图1.展示了课题研究流程图，描述了从参与者纳入研究、代谢组学分析、数据处理到机器学习模型构建的整个过程。

　　图中显示IRD病例和对照分组，血液样本代谢组学检测，使用热图、PLS-DA和火山图来揭示IRDs和对照组之间代谢组差异，结合代谢组数据构建的机器学习模型，用于临床上IRD亚型的诊断。

　　　　图2展示了不同遗传性视网膜退化（IRD）亚型的代谢组和特定代谢物的对比差异。

　　a.利用方差分析（ANOVA）筛选出IRD亚组和对照组之间差异最显著的40种代谢物的热图，红色代表上调的代谢物，蓝色代表下调的代谢物。

　　b.D-木糖酸（D-xylonate）的水平，在CD/CRD（锥杆细胞营养不良）、STGD（Stargardt病）和RP（视网膜色素变性）组中，高于BCD（Bietti结晶性营养不良）和对照组。

　　c.香叶醇醋酸酯（citronellyl acetate）的水平，在CD/CRD、STGD和RP组中，高于BCD和对照组。

　　d.十六烷二酸（hexadecanedioic acid）的水平，在CD/CRD、STGD和RP组中，高于BCD和对照组。

　　e.磷脂酰丝氨酸（phosphatidylserine，PS，14:1/16:0）的水平，在CD/CRD、STGD和RP组中，低于BCD和对照组。

　　f.磷脂酰胆碱（phosphatidylcholine，PC，19:1）的水平，在CD/CRD、STGD和RP组中，低于BCD和对照组。

　　g.磷脂酰胆碱[16:0/9:0(CHO)]的水平，在CD/CRD、STGD和RP组中，低于BCD和对照组。

　　h.N-十一烷酰甘氨酸（N-undecanoylglycine）的水平，在CD/CRD、STGD和RP组中，低于BCD和对照组。

　　注释：图2b至2h，使用双向Tukey's HSD（Tukey's honestly significant difference test）测试进行方差分析。结果以不同的标记表示：无显著性（ns），p值大于0.05；*表示p值小于或等于0.05；**表示p值小于或等于0.01；***表示p值小于或等于0.001；****表示p值小于或等于0.0001。

 

　　图3展示了每个IRD亚组与对照组相比的火山图和PLS-DA（偏最小二乘判别分析）图。

　　a.RP组与对照组的比较：PLS-DA图显示RP（视网膜色素变性）组的代谢组特征与对照组有显著差异，可以彼此区分。

　　b.EYS基因型RP亚组与对照组的比较：进一步按基因型细分的RP组中，EYS基因型亚组的代谢组特征与对照组相比显示出更可区分的结果。

　　c.CD/CRD组与对照组的比较：锥杆细胞营养不良（CD/CRD）组的代谢组特征在PLS-DA图中与对照组有显著的区别。

　　d.USH2A基因型RP亚组与对照组的比较：USH2A基因型RP亚组的代谢组特征与对照组相比，在PLS-DA图中表现出明显的区分度。

　　e.STGD组与对照组的比较：Stargardt病（STGD）组的代谢组特征在PLS-DA图中与对照组能够区分开来。

　　f.ABCA4基因型RP亚组与对照组的比较：具有ABCA4基因突变的RP亚组在代谢组分析中显示出与对照组的显著差异。

　　g.BCD组与对照组的比较：Bietti结晶性营养不良（BCD）组与对照组在PLS-DA图中的重叠区域更为明显，表明两组之间的代谢组特征差异不大。

　　h.PRPF31基因型RP亚组与对照组的比较：PRPF31基因型RP亚组的代谢组特征在PLS-DA图中与对照组有显著的区分。

　　i.CD/CRD与STGD的比较：在CD/CRD与STGD两组间，火山图中可以识别出71个具有显著差异的代谢物特征，PLS-DA图也显示了这两组之间明显的区分度。

　　j.ABCA4基因型RP与STGD的比较：尽管具有相同ABCA4基因突变，RP和STGD在火山图中只有19个特征能被识别出差异，且PLS-DA图显示两者的代谢组特征有较大的重叠，表明两者在代谢层面有相似之处。

　　　　图4展示了机器学习LASSO模型在IRD亚型分类中的性能。

　　a.建立了两种诊断模型，使用机器学习模型LASSO，以区分：(1)CD/CRD、STGD和对照组；(2)带有EYS、USH2A和其他基因型的RP。

　　b.在锥细胞为主的疾病诊断模型的训练集和验证集中，敏感性和特异性均为100%。

　　c.在训练集和验证集中，三个亚组的曲线下面积（AUC）均为1.0。

　　d.在RP诊断模型的训练集和验证集中，诊断准确率分别为83.7%和85.7%。

　　e.展示了RP诊断模型在训练集和验证集中对USH2A、EYS和其他基因型的AUC值。

　　注释：LASSO代表最小绝对收缩和选择算子，IRD代表遗传性视网膜退化，CRD代表锥杆细胞营养不良，RP代表视网膜色素变性，STGD代表Stargardt病，AUC代表曲线下面积。

　　　　图5展示了代表性病例的眼底摄影和自发荧光，以及为IRDs提出的诊断流程图。

　　a.通过眼底检查无法区分不同基因型的RP，它们共享一些共同特征，包括苍白的视盘、血管变细和色素变化，只是疾病的严重程度不同。此外，CD/CRD和STGD的眼底表现也无法区分，两者都具有特征性的中心性黄斑病变。然而，BCD的眼底表现以结晶沉积为特征，可以很容易地区分其他IRDs。

　　b.研究总结了一个诊断流程图，以便于通过结合临床信息、代谢组学分析和基因诊断来促进IRDs的早期诊断。首先通过眼底检查确定IRDs属于杆细胞为主的疾病、锥细胞为主的疾病或结晶沉积。然后结合目标代谢组学分析和机器学习模型，可以进一步区分杆细胞为主的疾病中的EYS和USH2A基因型，以及锥细胞为主的疾病中的STGD和CD/CRD型。

　　05总结与启发

　　该篇文献发表于Nature Communications（IF>16），本研究聚焦于相对复杂的临床疾病IRD，IRD具有高度临床遗传异质性，队列设计相对全面的覆盖了不同IRD亚型和基因型，反应了临床研究人员对该领域的基础认知。

　　研究提供了一种精准医疗的范例，通过识别特定基因型相关的代谢物，有助于为特定患者群体提供个性化的治疗方案。通过分析血清样本来诊断IRD，提供了一种非侵入性的方法，有助于提高诊断的可接受度和依从性。

　　文章也强调了机器学习模型的重要性，显示了大数据分析在医学研究中，尤其是在处理复杂的生物标志物和疾病亚型分类中，具有辅助人类专家的潜力。

　　通过代谢组学特征的分析，研究不仅识别出，不同基因型的IRD患者具有不同的代谢物特征，而且提出了一个综合诊断流程图，强调了通过结合临床信息、代谢组学分析和基因诊断来优化IRD的诊断路径，这对于临床疾病的早期干预和治疗具有创新型意义。

　　参考文献

　　Wei-Chieh Wang,Chu-Hsuan Huang,Hsin-Hsiang Chung et al."Metabolomics facilitates differential diagnosis in common inherited retinal degenerations by exploring their profiles of serum metabolites."Nature Communications,15,3562(2024).https://doi.org/10.1038/s41467-024-47911-3