导读 来自加利福尼亚州斯坦福大学的 Yiran E Liu 及其同事整合了 11 个公共数据集，对来自 7 个国家的 365 名登革热患者的血液转录组
来自加利福尼亚州斯坦福大学的 Yiran E. Liu 及其同事整合了 11 个公共数据集，对来自 7 个国家的 365 名登革热患者的血液转录组进行了分析。在非重症患者和进展为 SD 的患者之间鉴定出差异表达基因(DEG)。XGBoost 机器学习模型仅使用这些 DEG 对公共数据进行训练，以预测向 SD 的进展。该模型在哥伦比亚的 377 名登革热患者的前瞻性登记队列中得到验证。
研究人员在公共数据集中确定了八个与 SD 相关的 DEG，并建立了一个八基因 XGBoost 模型。在独立验证队列中，该模型准确预测 SD 进展，敏感性和特异性分别为 86.4% 和 79.7%。鉴于队列中 SD 病例的比例为 5.8%，八基因模型的阳性和阴性预测值分别为 20.9% 和 99.0%。临床预警信号的敏感性和特异性分别为 77.3% 和 39.7%;相比之下，八基因模型导致需要预测的数量减少了 80%(从 25.4 减少到 5.0)。八基因模型在发热后的前三天和 SD 进展前三天提供了对后续 SD 的准确预测。
一位合著者在一份声明中说： “拥有一种能够有效预测哪些患者将发展为严重登革热的生物标志物也将有助于选择登革热患者进行旨在评估抗病毒策略的临床研究。”
几位作者披露了与生物制药行业的财务联系;一位作者拥有专利，并且八基因组已被披露以获得可能的专利保护。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！