Proteomics-based machine learning model for predicting secondary infection in HBV-related liver failure - PubMed
2 months ago
- #Proteomics
- #Machine Learning
- #Liver Failure
- 基于蛋白质组学的机器学习模型成功开发，用于预测HBV相关肝衰竭患者的继发感染(SI)风险
- 研究采用非靶向蛋白质组学技术，纳入114名发现队列患者及两个各60人的验证队列
- 通过特征选择和逻辑回归建模鉴定SI相关蛋白，并采用靶向蛋白质组学和ELISA进行外部验证
- 炎症反应和凝血通路失调与SI风险显著相关
- 最终模型包含溶菌酶(LYZ)、钙调蛋白1(CALM1)、丝氨酸蛋白酶抑制剂D成员1(SERPIND1)、皮肤桥蛋白(DPT)、总胆红素和AST，展现优异区分度(发现队列AUROC 0.980，验证队列0.873)
- 该模型性能超越CRP、WBC和NE%等传统标志物，对28天死亡率的预测优于CLIF-C ACLF和MELD评分
- 队列2中ELISA验证获得0.883的AUROC，证实模型可靠性
- 蛋白质组学模型为高风险患者的早期临床干预提供了决策支持