Uma nova arma para diagnóstico de tuberculose e detecção de resistência a medicamentos: um sequenciamento direcionado à nova geração (TNGS) combinado com o aprendizado de máquina para o diagnóstico de hipersensibilidade à tuberculose
Relatório de literatura: CCA: Um modelo de diagnóstico baseado em TNGs e aprendizado de máquina, adequado para pessoas com menos tuberculose bacteriana e meningite tuberculosa.
Título da tese: Sequenciação de próxima geração e aprendizagem de máquina: uma estratégia de diagnóstico ultra-sensível para tubulares pulmonares paucíficos e meningite tubular.
Periódico: 《Clinica Chimica Acta》
Se : 6.5
Data da publicação: janeiro de 2024
Combinado com a Academia de Ciências da Universidade de Ciências e o Hospital de Cabo de Pequim da Capital Medical University, Macro e Micro-Test estabeleceram um modelo de diagnóstico de tuberculose com base na nova geração de tecnologia de seqüenciamento direcionado (TNGS) e aprendizado de máquina, que forneceu Ultra-High Aligh A sensibilidade à detecção para tuberculose com poucas bactérias e meningite tuberculosa, forneceu um novo método de diagnóstico de hipersensibilidade para o diagnóstico clínico de dois tipos de tuberculose e ajudou o diagnóstico preciso, a detecção de resistência a medicamentos e o tratamento da tuberculose. Ao mesmo tempo, verifica -se que o cfDNA plasmático do paciente pode ser usado como um tipo de amostra adequado para amostragem clínica no diagnóstico de TBM.
Neste estudo, foram usadas 227 amostras de plasma e amostras de líquido cefalorraquidiano para estabelecer duas coortes clínicas, nas quais as amostras de coorte de diagnóstico laboratorial foram usadas para estabelecer o modelo de aprendizado de máquina de diagnóstico de tuberculose, e as amostras de coorte de diagnóstico clínico foram utilizadas para verificar o estabelecido estabelecido Modelo de diagnóstico. Todas as amostras foram direcionadas pela primeira vez por um pool de sonda de captura direcionado especialmente projetado para Mycobacterium tuberculosis. Em seguida, com base nos dados de sequenciamento de TB-TNGs, o modelo de árvore de decisão é usado para realizar validação cruzada de 5 vezes nos conjuntos de treinamento e validação da fila de diagnóstico laboratorial, e os limiares de diagnóstico de amostras de plasma e amostras de líquido cerebropinhal são obtidas. O limite obtido é trazido para dois conjuntos de testes de fila de diagnóstico clínico para detecção, e o desempenho diagnóstico do aluno é avaliado pela curva ROC. Finalmente, foi obtido o modelo de diagnóstico de tuberculose.
Fig. 1 Diagrama esquemático do projeto da pesquisa
Resultados: De acordo com os limiares específicos da amostra de DNA do CSF (AUC = 0,974) e amostra plasmática de cfDNA (AUC = 0,908) determinada neste estudo, entre 227 amostras, a sensibilidade da amostra do LCR foi de 97,01%, a especificidade foi de 95,65%e e A sensibilidade e especificidade da amostra de plasma foram de 82,61% e 86,36%. Na análise de 44 amostras emparelhadas de cfDNA plasmático e DNA do líquido cefalorraquidiano de pacientes com TBM, a estratégia de diagnóstico deste estudo tem uma alta consistência de 90,91% (40/44) em cfdNA plasmático e DNA do líquido cerebroespinhoso, e a sensibilidade é 95.45% (42/44). Em crianças com tuberculose pulmonar, a estratégia de diagnóstico deste estudo é mais sensível a amostras de plasma do que os resultados da detecção de XPERT de amostras de suco gástrico dos mesmos pacientes (28,57% vs 15,38%).
Fig. 2 Análise Desempenho do modelo de diagnóstico de tuberculose para amostras populacionais