著名医師による解説が無料で読めます
すると翻訳の精度が向上します
はじめに：魅力的なメタボロミクスは、バイオマーカーの検出と開発に大きな約束を抱いています。リソースに制限された設定では、乾燥血液スポット（DBS）ベースのプラットフォームは、コールドサプライチェーンを必要とするプラズマベースのアプローチよりも大きな利点を提供します。 目的：この研究の主な目標は、DBSおよびプラズマベースのアッセイの能力を、母体の代謝産物を特徴付けることでした。2つのアッセイの有用性は、HIVとともに生きている妊婦の症例対照予測モデルのコンテキストでも評価されました。 方法：標的化されていないメタボロミクスは、大規模な臨床試験に登録されたn = 79の女性のアーカイブされたペアの母体血漿およびDBで実施されました。 結果：血漿サンプルとDBSサンプルの両方で合計984の名前の生化学物質が検出されました。それぞれ、それぞれ。個人（R2 = 0.54、p <0.001）の研究に起因する変動は、サンプルタイプ（R2 = 0.21、P <0.001）の変動を超えており、血漿とDBの両方が個々のメタボロミックプロファイルを区別できることを示唆しています。対数変換された代謝産物の存在量は強く相関していました（平均スピアマンRho = 0.51）が、一致が低いことが示されました（平均クラス内相関は0.15）。ただし、標準化に続いて、DBSおよび血漿代謝物プロファイルは強く一致していました（平均クラス内相関は0.52）。症例対照のランダムフォレスト分類モデルは、プラズマとDBSで同等の性能を持つ異なる特徴セットを特定しました（それぞれ86.5％対91.2％の平均精度）。 結論：母体の血漿およびDBSサンプルは、個々の被験者を非常に予測する明確な代謝物プロファイルを生成します。私たちのケーススタディでは、分類モデルは、明確な機能セットを備えているにもかかわらず、同様のパフォーマンスを示しました。両方のサンプルのデータを活用するには、適切な正規化と標準化方法が重要です。最終的に、サンプルタイプの選択は、対象の化合物と物流上の要求に依存する可能性があります。
はじめに：魅力的なメタボロミクスは、バイオマーカーの検出と開発に大きな約束を抱いています。リソースに制限された設定では、乾燥血液スポット（DBS）ベースのプラットフォームは、コールドサプライチェーンを必要とするプラズマベースのアプローチよりも大きな利点を提供します。 目的：この研究の主な目標は、DBSおよびプラズマベースのアッセイの能力を、母体の代謝産物を特徴付けることでした。2つのアッセイの有用性は、HIVとともに生きている妊婦の症例対照予測モデルのコンテキストでも評価されました。 方法：標的化されていないメタボロミクスは、大規模な臨床試験に登録されたn = 79の女性のアーカイブされたペアの母体血漿およびDBで実施されました。 結果：血漿サンプルとDBSサンプルの両方で合計984の名前の生化学物質が検出されました。それぞれ、それぞれ。個人（R2 = 0.54、p <0.001）の研究に起因する変動は、サンプルタイプ（R2 = 0.21、P <0.001）の変動を超えており、血漿とDBの両方が個々のメタボロミックプロファイルを区別できることを示唆しています。対数変換された代謝産物の存在量は強く相関していました（平均スピアマンRho = 0.51）が、一致が低いことが示されました（平均クラス内相関は0.15）。ただし、標準化に続いて、DBSおよび血漿代謝物プロファイルは強く一致していました（平均クラス内相関は0.52）。症例対照のランダムフォレスト分類モデルは、プラズマとDBSで同等の性能を持つ異なる特徴セットを特定しました（それぞれ86.5％対91.2％の平均精度）。 結論：母体の血漿およびDBSサンプルは、個々の被験者を非常に予測する明確な代謝物プロファイルを生成します。私たちのケーススタディでは、分類モデルは、明確な機能セットを備えているにもかかわらず、同様のパフォーマンスを示しました。両方のサンプルのデータを活用するには、適切な正規化と標準化方法が重要です。最終的に、サンプルタイプの選択は、対象の化合物と物流上の要求に依存する可能性があります。
INTRODUCTION: Untargeted metabolomics holds significant promise for biomarker detection and development. In resource-limited settings, a dried blood spot (DBS)-based platform would offer significant advantages over plasma-based approaches that require a cold supply chain. OBJECTIVES: The primary goal of this study was to compare the ability of DBS- and plasma-based assays to characterize maternal metabolites. Utility of the two assays was also assessed in the context of a case-control predictive model in pregnant women living with HIV. METHODS: Untargeted metabolomics was performed on archived paired maternal plasma and DBS from n = 79 women enrolled in a large clinical trial. RESULTS: A total of 984 named biochemicals were detected across both plasma and DBS samples, of which 627 (63.7%), 260 (26.4%), and 97 (9.9%) were detected in both plasma and DBS, plasma alone, and DBS alone, respectively. Variation attributable to study individual (R2 = 0.54, p < 0.001) exceeded that of the sample type (R2 = 0.21, p < 0.001), suggesting that both plasma and DBS were capable of differentiating individual metabolomic profiles. Log-transformed metabolite abundances were strongly correlated (mean Spearman rho = 0.51) but showed low agreement (mean intraclass correlation of 0.15). However, following standardization, DBS and plasma metabolite profiles were strongly concordant (mean intraclass correlation of 0.52). Random forests classification models for cases versus controls identified distinct feature sets with comparable performance in plasma and DBS (86.5% versus 91.2% mean accuracy, respectively). CONCLUSION: Maternal plasma and DBS samples yield distinct metabolite profiles highly predictive of the individual subject. In our case study, classification models showed similar performance albeit with distinct feature sets. Appropriate normalization and standardization methods are critical to leverage data from both sample types. Ultimately, the choice of sample type will likely depend on the compounds of interest as well as logistical demands.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。