代谢组学结合机器学习算法探究心脏瓣膜置换术后早期认知功能障碍生物标志物
Metabolomics combined with machine learning algorithms in exploring biomarkers of early postoperative cognitive dysfunction after heart valve replacement
摘要目的 通过代谢组学结合机器学习算法对心脏瓣膜置换术后早期认知功能障碍(POCD)的患者术前血清代谢物进行系统研究,筛选可预测心脏瓣膜置换术后早期POCD的生物标志物,并探讨相应的代谢调控机制.方法 选择接受体外循环下心脏瓣膜置换术的患者60例,根据是否发生POCD将其分为早期POCD组(P组)和非POCD组(N组).对P组和N组患者术前血清进行代谢组学分析,筛选差异代谢物及代谢通路.采用随机森林算法鉴定早期POCD的相关生物标志物.结果 经代谢组学分析,共检测出532种差异代谢物,采用随机森林算法筛选出5种生物标志物,分别为喹啉、3'-唾液酸乳糖、鞘磷脂(d18∶1/20∶0)、溶血磷脂酰胆碱[P-18∶1(9Z)]和25-羟基胆固醇,其中富集到的主要代谢途径是苯丙氨酸代谢、初级胆汁酸生物合成、抗坏血酸和醛酸盐代谢、戊糖和葡萄糖酸盐的相互转化、色氨酸代谢、药物代谢-细胞色素P450、卟啉与叶绿素代谢.结论 体外循环下心脏瓣膜置换术后发生早期POCD的患者术前多条代谢途径发生了变化,可能导致早期POCD的发生.喹啉、3'-唾液酸乳糖、鞘磷脂(d18∶1/20∶0)、溶血磷脂酰胆碱[P-18∶1(9Z)]和25-羟基胆固醇可能成为预测早期POCD的生物标志物.
更多相关知识
- 浏览0
- 被引1
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



