Новая платформа для диагностики муковисцидоза

Новый метод для быстрой и точной диагностики муковисцидоза совмещает масс-спектрометрию с десорбционной ионизацией электрораспылением и алгоритм машинного обучения.

Credit:
HENADZI PECHAN | Shutterstock.com

Муковисцидоз — это опасное для жизни наследственное заболевание, вызванное мутациями в гене CFTR. Диагностика муковисцидоза на ранней стадии позволяет улучшить прогноз с помощью интенсивной терапии и модуляторов CFTR. Золотым стандартом диагностики является определение концентрации хлоридов в образце пота пациента. Принятый сейчас метод анализа существует без изменений уже несколько десятилетий. Для отбора пота используют стимуляцию потовых желез, что изменяет концентрацию аналитов и влияет на точность анализа. Кроме того, диагностика в большинстве случаев требуется младенцам, а это связано с дополнительными техническими сложностями. Вся процедура, от начала отбора образца до получения результата, занимает около трех часов.

Ученые из Стэнфордского университета предложили новый подход к диагностике муковисцидоза, совместив масс-спектрометрию с десорбционной ионизацией электрораспылением (desorption electrospray ionization mass spectrometry, DESI-MS) с алгоритмом машинного обучения и значительно упростив сбор образцов. За основу взяли разработанный ранее метод, который позволяет определять пол, возраст и этническую принадлежность человека по липидным профилям отпечатков пальцев.

Чтобы получить образец для нового теста на муковисцидоз, нужно провести предметным стеклом для микроскопии по носу или лбу пациента. Стимуляция потовых желез не требуется. Ионизация образца происходит прямо на стекле. К полученным паттернам метаболитов применяется алгоритм машинного обучения, использующий градиентный бустинг деревьев решений (gradient boosted decision trees, GBDT). Алгоритм сравнивает новый паттерн с уже известными ему паттернами для больных и здоровых людей, распознает и отфильтровывает пики от экзогенных молекул — например, от кремов и лосьонов. Заключение формируется на основе тех метаболитов, которые присутствуют во всех образцах.

Для проверки метода использовали 277 образцов пота на предметных стеклах: 57 от пациентов с муковисцидозом и 220 от здоровых испытуемых. На поверхности каждого образца случайным образом выбирали 30 точек анализа, результаты по ним усредняли. К полученным аналитическим пикам применяли алгоритм GBDT, который распознавал заболевание с точностью 98%. Вся процедура, от забора образца до получения результата, занимала не более двух минут. C помощью нового метода авторы также продемонстрировали разницу липидных профилей образцов пота от больных с легкими и тяжелыми мутациями в CFTR. Это позволяет использовать тест в качестве альтернативы генному секвенированию для разработки персонализированных стратегий лечения.

При внедрении диагностического теста в клиническую практику нужно будет учитывать время доставки образца до лаборатории, оснащенной DESI-MS. Разработчики считают, что их метод может получить широкое распространение в том случае, если больницы начнут приобретать масс-спектрометры, либо в случае появление масс-спектрометров для диагностики у постели больного.

Источники

Zhenpeng Zhou, et al. // Proof of concept for identifying cystic fibrosis from perspiration samples. // PNAS first published November 18, 2019; DOI: 10.1073/pnas.1909630116

Stanford Developing Mass Spec, Machine Learning System for Cystic Fibrosis Diagnosis


Добавить в избранное

Мы используем файлы cookie для улучшения работы сайта. Узнать больше.

Настройки файлов cookie

Мы используем файлы cookie для улучшения работы сайта, анализа трафика и показа персонализированной рекламы. Вы можете изменить настройки в любой момент.

Категории файлов cookie:

Необходимые

Эти cookie обеспечивают базовую функциональность сайта — вход в аккаунт, безопасность, оформление заказов. Отключение невозможно.

Функциональные

Функциональные cookie используются для обеспечения работы отдельных функций сайта, а также для запоминания ряда пользовательских предпочтений (например, выбранный язык, товары в корзине), с целью улучшения качества предоставляемого сервиса.

Отключение этого типа файлов cookie может привести к тому, что некоторые сервисы или функции сайта станут недоступны или будут работать некорректно. В результате, вам может потребоваться повторно вводить определённую информацию или настраивать предпочтения при каждом посещении сайта вручную.

Аналитические

Аналитические файлы cookie, включая сторонние аналитические cookie, помогают нам понять, как вы взаимодействуете с нашим сайтом. Эти файлы не собирают информацию, позволяющую установить вашу личность. Все данные обрабатываются в агрегированной и анонимной форме.

Рекламные

Рекламные cookie, включая сторонние, используются для создания пользовательских профилей и показа рекламы, соответствующей вашим интересам и предпочтениям при просмотре сайтов.

Эти cookie позволяют персонализировать рекламные сообщения, которые вы видите, делая их более релевантными. Они также могут использоваться для ограничения количества показов одной и той же рекламы и для оценки эффективности рекламных кампаний.