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
华测多组学科研服务AI+靶向代谢组学智能临床转化平台亮相第二届多组学科研大会
2024年3月30日至31日,第二届多组学科研与临床应用大会在上海丽昂豪生大酒店盛大开幕,大会以“聚焦多组学,从科研到临床”为主题,吸引了国内外众多专家学者相关的基础研究、临床应用、产业从业者参与,全场座无虚席。
2024-04-02 00:59:15
CTI华测检测获批承担国际标准工作组ISO/TC 34/SC 6 WG28,促进中外国际标准互认
近日,经ISO/TC 34/SC 6(国际标准化组织食品技术委员会肉禽鱼蛋及其制品分技术委员会)投票表决,正式批准成立国际标准工作组ISO/TC 34/SC 6 WG28“Determination of pesticide and veterinary drug residues”(农药及兽药残留的测定),工作组由华测检测认证集团股份有限公司(简称CTI华测检测)承担,由CTI华测检测张秀芹博士担任工作组召集人。与此同时,由WG28归口管理的3项国际标准新项目提案也获批立项,将同步开展工作。此次工作组的组建,不仅是对CTI华测检测专业能力的国际认可,也是我国积极参与国际标准化活动的重要一环。
2024-01-08 09:05:09
会议预告|CTI华测艾研邀您参加第二届单细胞技术及组学应用发展大会
为促进单细胞及组学应用领域的交流与发展,2023年5月19-20日第二届单细胞技术及组学应用发展大会,以“聚焦技术前沿,加速科研转化”为主题,特邀70+行业领袖,1000+专家代表;多形式打造全方位产学研资交流平台,邀请单细胞及组学领域的科学家、企业家、投资人等各界代表共商行业发展。
2023-05-15 10:30:55