文摘采用UHPLC-QE-Orbitrap MS技术结合网络分析和化学计量学建立钴胺素C(cblC)缺乏症的临床表型系统表征和预测模型,利用尝试解开其复杂性。基于UHPLC-QE-Orbitrap MS技术在正、负模式下采集的血液非靶向代谢组学图谱,利用数据驱动网络算法Connect the Dots(CTD)快速搜索高连通的扰动代谢物,化学计量学算法学习其组别间复杂微小变化模式。通过对两种临床表型(癫痫和代谢综合征)的研究,结果表明CTD算法识别出的扰动代谢物子集展示出高度的临床表型特异性,且涉及的富集通路扰动均被报道与癫痫和代谢综合征的致病机制密切相关。进一步,CTD算法能够量度高连通扰动代谢物间的协变信息,构建主要疾病模块系统地表征癫痫和代谢综合征的复杂致病机制。识别出的扰动代谢物作为特征变量集,采用5-折交叉验证,偏最小二乘判别分析、支持向量机和随机森林的受试者工作特征曲线下面积预测均值分别为0.849、0.897和0.909(癫痫),0.889、0.931和0.921(代谢综合征),马修斯相关系数预测均值分别为0.667、0.668和0.723(癫痫),0.686、0.696和0.787(代谢综合征)。上述结果表明了提出的计算方法在揭示cblC缺乏症的临床表型复杂性和指导其个性化诊断策略方面的有效性。
