科研动态

当前位置: 首 页 > 科研动态 >正文

【论文导读】基于非靶向代谢组学和机器学习实现砷中毒生物标志物的鉴定

作者: 发布时间:2023-01-28 浏览次数:

20231月,我室张进副教授、马璐副教授为共同第一作者,张爱华教授为通讯作者在国际期刊《总环境科学》(Science of The Total EnvironmentJCR 1Top期刊)发表题为“Identification of biomarkers for risk assessment of arsenicosis based on untargeted metabolomics and machine learning algorithms”的研究论文。该研究得到了国家自然科学基金重点项目和面上项目的支持。



砷是一种常见的环境污染物,长期暴露会导致砷中毒。该团队通过非靶向代谢组学和机器学习算法,识别与砷中毒相关的生物标志物,并建立风险评估预测模型。研究共招募了105名燃煤型砷中毒患者和60名健康居民,利用超高效液相色谱串联质谱(UHPLC-MS/MS)获得其血浆代谢谱。结果发现共有143个代谢标志物与砷中毒密切相关,其中以有机酸为主,涉及的主要代谢途径为甘氨酸、丝氨酸和苏氨酸代谢。比较不同病情砷中毒患者的代谢物,发现有422种代谢分子显著关联,其中主要涉及β-alanine和精氨酸代谢。此外,我们建立了砷中毒的风险评价模型,基于L-carnosine的单一生物标志物建立的模型可以准确识别砷中毒患者与健康者;基于52种代谢物和线性判别分析算法的模型在校准集(n=132)和验证集(n=33)上的准确率分别为0.970-0.9790.818-0.848,可以有效预测砷中毒患者的严重程度。总之,该研究鉴别的砷中毒生物标志物及结合机器学习算法建立的预测模型有助于砷中毒的早期识别和风险评估。



时间:20231

刊物:Science of The Total Environment

标题:Identification of biomarkers for risk assessment of arsenicosis based on untargeted metabolomics and machine learning algorithms