新冠病毒测试
自从新冠病毒大流行开始以来，医药界迅速制定了许多诊断测试方法，以便可以检测到病毒并将其控制。它们一般基于抗原检测，抗体检测和RNA扩增，并提供了对比程度的敏感性和特异性。现在，巴西的一大批科学家开发了一种新的测试方法，该测试方法采用了另一种方法，以寻找被新冠病毒感染扰乱的代谢物。它受到机器学习的支持，该机器学习用于识别和建模潜在的生物标记。
该测试是在3组患者中使用合并血浆开发而成的，包括442名确诊的新冠病毒患者，23名未确诊的可疑病例和350名对照。用甲醇简单预处理并离心后，将血浆上清液用酸化的甲醇稀释，然后直接注入高分辨率质谱仪中。以正离子模式在140,000 FWHM的高分辨率下运行，无需进行初始色谱分离即可加快整个分析过程。
使用离子m / z值，强度，宽度和分辨率对质谱数据进行预处理，并进行对齐，归一化和去噪。使用机器学习算法（例如自适应树增强，梯度树增强，随机森林，极端随机森林，偏最小二乘和支持向量机）确定了最有区别的特征。
使用累积分布函数分析评估了代谢物作为潜在生物标志物的重要性，该分析将阳性新冠病毒血浆的值与对照组的值进行了比较，并确定了它们对疾病的正向或负向影响。进行了两轮培训和验证。
新冠病毒区分代谢物
该过程共鉴定出26个判别离子。在这些模型中，有7个无法确定，但是其余的19个模型被采用，其中8个对疾病有积极贡献，而第十一个则有负面贡献。将离子用于成对模型中的训练和验证，该模型利用成对的生物标志物强度之间的关系，而不是相对丰度。这种方法用于“尽管输入数据有所变化，但仍为模型增加了稳健性”。
经过方法培训和验证后，这些离子用于新冠病毒的盲法测试中，特异性为96％，灵敏度为83.1％。这些数字至少与当前的血清学和PCR方法一样好。
这些特殊的代谢物的使用得到了支持，因为许多是参与甘油磷脂代谢的脂质。它们包括七种甘油磷脂，三种固醇脂质，三种甘油脂，两种脂肪酸，一种鞘氨醇，一种嘌呤代谢产物和两种未知肽。在新冠病毒感染期间，它们各自的上升或下降反映了在其他情况下的行为，例如败血症和急性呼吸应激综合症。
这些生物标记物还能够将住院十天以上，机械通气或死亡的高危患者与中度或轻度症状的低危患者区分开。他们还可以区分低风险患者和没有症状的患者。
研究小组得出结论，他们的方法“在一个解决方案中，汇总了人口新冠病毒筛查的另一种选择，并通过风险分类为公共卫生工作提供了指导”。
（编译：符斌 北京中实国金国际实验室能力验证研究中心研究员）
根据Covid-19 Automated Diagnosis and Risk Assessment through metabolomics and Machine Learning编写
Published: Jan 20, 2021
Author: Jeany Delafiori
