Jaunā diagnostikas metode izmanto mašīnmācīšanos uzlabotiem genoma datiem, lai noteiktu sepsi

Jaunā diagnostikas metode izmanto mašīnmācīšanos uzlabotiem genoma datiem, lai noteiktu sepsi

Sepse, imūnsistēmas pārmērīga reakcija uz infekciju, katru gadu izraisa aptuveni 20% nāves gadījumu visā pasaulē un 20% līdz 50% nāves gadījumu slimnīcās Amerikas Savienotajās Valstīs. Tomēr, neskatoties uz tās izplatību un smagumu, slimību ir grūti diagnosticēt un efektīvi ārstēt.

Slimība var izraisīt samazinātu asins plūsmu svarīgos orgānos, iekaisumu visā ķermenī un patoloģisku asins recēšanu. Tāpēc, ja sepse ātri neatpazīst un neārstē, tā var izraisīt šoku, orgānu mazspēju un nāvi. Tomēr var būt grūti noteikt, kurš patogēns izraisa sepsi, vai infekcija ir asinsritē vai citur organismā. Un daudziem pacientiem ar simptomiem, kas līdzīgi sepsei, var būt grūti noteikt, vai viņiem pat ir infekcija.

Tagad pētnieki no Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) un UC San Francisco (UCSF) ir izstrādājuši jaunu diagnostikas metodi, kas izmanto mašīnmācīšanos, lai identificētu progresīvus genoma datus gan no mikrobiem, gan saimniekiem un prognozētu sepses gadījumus. Kā ziņots Nature Microbiology 2022. gada 20. oktobrī, pieeja ir pārsteidzoši precīza un var ievērojami pārsniegt pašreizējās diagnostikas iespējas.

Sepsis ir viena no 10 galvenajām veselības problēmām, ar kurām saskaras cilvēce. Viena no lielākajām sepses problēmām ir diagnoze. Esošie diagnostikas testi nespēj aptvert slimības divpusējo raksturu - pašu infekciju un saimnieka imūnreakciju pret infekciju.

Chaz Langelier, MD, Ph.D., vecākais autors, medicīnas asociētais profesors, UCSF Infekcijas slimību nodaļa un CZ Biohub pētnieks

Pašreizējā sepses diagnostika koncentrējas uz baktēriju noteikšanu, audzējot tās kultūrā, kas saskaņā ar jaunās metodes pētniekiem ir "būtisks atbilstošai antibiotiku terapijai, kas ir būtiska sepses izdzīvošanai". Tomēr šo patogēnu kultivēšana ir laikietilpīga un ne vienmēr pareizi identificē infekciju izraisošo baktēriju. Tāpat attiecībā uz vīrusiem PCR testēšana var noteikt, ka vīrusi inficē pacientu, bet ne vienmēr identificē konkrēto vīrusu, kas izraisa sepsi.

"Tā rezultātā ārsti nevar noteikt sepses cēloni aptuveni 30 līdz 50% gadījumu," sacīja Langeljē. "Tas arī noved pie neatbilstības starp ārstēšanu ar antibiotikām un izraisītāju."

Ja nav noteiktas galīgas diagnozes, ārsti bieži izraksta antibiotiku kokteili, lai apturētu infekciju, taču pārmērīga antibiotiku lietošana ir izraisījusi antibiotiku rezistences palielināšanos visā pasaulē. "Kā ārsti mēs nevēlamies palaist garām infekcijas gadījumu," sacīja Kerolīna Kalfī, MD, MAS, UCSF medicīnas un anestezioloģijas profesore un jaunā pētījuma līdzautore. "Bet, ja mums būtu tests, kas varētu palīdzēt mums precīzi noteikt, kam nav infekcijas, tad tas varētu mums palīdzēt ierobežot antibiotiku lietošanu šajos gadījumos, kas būtu patiešām labs mums visiem."

Neskaidrību novēršana

Pētnieki analizēja pilnas asins un plazmas paraugus no vairāk nekā 350 kritiski slimiem pacientiem, kuri tika uzņemti UCSF Medicīnas centrā vai Cukerbergas Sanfrancisko vispārējā slimnīcā no 2010. līdz 2018. gadam.

Taču tā vietā, lai paļautos uz kultūrām, lai identificētu patogēnus šajos paraugos, CZ Biohub zinātnieku Normas Nefas (Ph.D.) un Andželas Pisko (Angela Pisco) vadītā komanda izmantoja metagenomisko nākamās paaudzes sekvencēšanu (mNGS). Šī metode identificē visas paraugā esošās nukleīnskābes vai ģenētiskos datus un pēc tam salīdzina šos datus ar atsauces genomiem, lai identificētu klātesošos mikroorganismus. Šis paņēmiens ļauj zinātniekiem identificēt ģenētisko materiālu no pilnīgi dažādām organismu valstībām – gan baktērijām, gan vīrusiem, gan sēnītēm, kas atrodas vienā paraugā.

Tomēr ar patogēna klātbūtnes noteikšanu un identificēšanu vien nepietiek, lai precīzi diagnosticētu sepse, tāpēc Biohub pētnieki izveidoja arī transkripcijas profilu, kas nosaka gēnu ekspresiju, lai fiksētu pacienta reakciju uz infekciju.

Ģenētika un genomika e-grāmata

Pagājušā gada populārāko interviju, rakstu un ziņu apkopojums. Lejupielādējiet kopiju šodien

Pēc tam viņi izmantoja mašīnmācīšanos mNGS un transkripcijas datiem, lai atšķirtu sepsi un citas kritiskas slimības, lai apstiprinātu diagnozi. Katrīna Kalantar, Ph.D., CZI vecākā bioinformātiķe un pētījuma līdzautore, izveidoja integrētu saimnieka-mikrobu modeli, kas apmācīts, izmantojot datus no pacientiem, kuriem diagnosticēta sepsi vai neinfekciozas sistēmiskas iekaisuma slimības. kas ļāva ļoti precīzi diagnosticēt sepsi.

"Mēs izstrādājām modeli, aplūkojot virkni metagenomisko datu līdzās tradicionālās klīniskās pārbaudes rezultātiem," skaidroja Kalantars. Pirmkārt, pētnieki atklāja gēnu ekspresijas izmaiņas pacientiem ar apstiprinātu sepsi un neinfekcioziem sistēmiskiem iekaisuma stāvokļiem, kas šķiet klīniski līdzīgi, un pēc tam izmantoja mašīnmācīšanos, lai identificētu gēnus, kas varētu vislabāk paredzēt šīs izmaiņas.

Pētnieki atklāja, ka tad, kad tradicionālā baktēriju kultūra identificēja sepsi izraisošu patogēnu, attiecīgajā mNGS analizētajā plazmas paraugā parasti bija daudz šī patogēna ģenētiskā materiāla. Paturot to prātā, Kalantar ieprogrammēja modeli, lai identificētu organismus, kas ir sastopami nesamērīgi lielā daudzumā salīdzinājumā ar citiem paraugā esošajiem mikrobiem, un pēc tam salīdzinātu tos ar zināmo sepsi izraisošo mikrobu atsauces indeksu.

"Turklāt mēs atzīmējām arī visus atklātos vīrusus, pat ja tie bija zemākā līmenī, jo tiem tur nebija jābūt," skaidroja Kalantars. "Izmantojot šo salīdzinoši vienkāršo noteikumu kopumu, mēs varējām paveikt diezgan labi."

"Gandrīz ideāls" priekšnesums

Pētnieki atklāja, ka mNGS metode un tai atbilstošais modelis darbojās labāk, nekā gaidīts: viņi spēja identificēt 99% apstiprināto baktēriju sepses gadījumu, 92% apstiprināto vīrusu sepses gadījumu un prognozēt sepsi 74% gadījumu ar klīniskām aizdomām, kas vēl nebija galīgi diagnosticētas.

"Mēs gaidījām labu sniegumu vai pat izcilu sniegumu, taču tas bija gandrīz ideāls," sacīja Lucile Neyton, Ph.D., pēcdoktorantūras pētniece Calfee laboratorijā un pētījuma līdzautore. "Izmantojot šo pieeju, mēs iegūstam diezgan labu priekšstatu par to, kas izraisa slimību, un mēs zinām ar salīdzinoši augstu noteiktības pakāpi, vai pacientam ir sepse vai nē."

Komanda arī bija sajūsmā, atklājot, ka viņi varētu izmantot šo kombinēto saimnieka atbildes reakciju un mikrobu noteikšanas metodi, lai diagnosticētu sepsi, izmantojot plazmas paraugus, kas parasti tiek savākti no vairuma pacientu standarta klīniskās aprūpes ietvaros. "Faktam, ka jūs faktiski varat identificēt sepses pacientus, izmantojot šo plaši izmantoto, viegli ievācamo paraugu veidu, ir liela praktiska nozīme," sacīja Langeljē.

Ideja par darbu radās no iepriekšējiem Langelier, Kalantar, Calfee, UCSF pētnieku un CZ Biohub prezidenta Joe DeRisi, Ph.D. un viņu kolēģu pētījumiem, kuros viņi izmantoja mNGS, lai efektīvi diagnosticētu apakšējo elpceļu infekcijas kritiski slimiem pacientiem. Tā kā metode darbojās tik labi, "mēs gribējām redzēt, vai tā pati pieeja varētu darboties sepses kontekstā," sacīja Kalantars.

Plašākas sekas

Komanda cer balstīties uz šo veiksmīgo diagnostikas metodi, izstrādājot modeli, kas var arī paredzēt, izmantojot šo metodi atklāto patogēnu rezistenci pret antibiotikām. "Mums ir bijuši zināmi panākumi elpceļu infekciju ārstēšanā, taču neviens nav atradis labu pieeju sepsei," sacīja Langeljē.

Turklāt pētnieki cer, ka viņi galu galā varēs prognozēt pacientu ar sepsi rezultātus, "piemēram, mirstību vai slimnīcas uzturēšanās ilgumu, kas sniegtu svarīgu informāciju, kas ļautu ārstiem labāk rūpēties par saviem pacientiem un novirzīt resursus pacientiem, kuriem tie visvairāk nepieciešami," sacīja Langeliers.

"Pastāv liels potenciāls tādām jaunām sekvencēšanas pieejām kā šī, lai palīdzētu mums precīzāk noteikt pacienta kritiskās slimības cēloņus," piebilda Kalfijs. "Ja mēs to varam izdarīt, tas būs pirmais solis ceļā uz precīzo medicīnu un izpratni par notiekošo katra pacienta līmenī."

Avots:

Čans Cukerbergs Biohub

Atsauce:

Kalantar, KL u.c. (2022) Integrēta saimniekorganisma mikrobu plazmas metagenomika sepses diagnostikai perspektīvā kritiski slimu pieaugušo grupā. Dabiskā mikrobioloģija. doi.org/10.1038/s41564-022-01237-2.

.