آناليز متابولوميكس بر اساس رزونانس مغناطيس هسته در بيماران در معرض قرار گرفته با گاز خردل با استفاده از روش رندوم فارست

Nuclear magnetic resonance -based metabolomics analysis of patients exposed to sulfur mustard in different stages using random forest method

سابقه و هدف: متابولوميك تكنيكي توانمند براي تعيين بيوماركرهاست. در اين تحقيق، پروفايل متابولوميكي متمايز بين سطوح مختلف بيماران در معرض قرار گرفته با گاز خردل گوگردي تعيين شد. مواد و روش‌ها: از اسپكتروسكپي رزونانس مغناطيس هسته به‌منظور آناليز نمونه‌هاي سرم از 17 بيمار نرمال شيميايي و 17 بيمار با آسيب ريوي شديد استفاده شد. سپس، آناليز آماري چند‌متغيره با استفاده از رندوم فارست بر روي گروه آموزش (70% كل نمونه‌ها) به‌منظور توليد مدل تمايزدهنده دو گروه بيمار انجام شد، و مدل با باقي‌مانده افراد تست گرديد. يافته‌ها: طبقه‌بندي مدل با استفاده از گروه آموزش با سطح زير منحني راك (AUC) 87/0 مشتق شد. در گروه تست (باقي‌مانده 30% نمونه‌ها) AUC 8/0 بود، بنابراين مدل رندوم فارست قدرت پيش‌گويانه خوبي داشت. نتايج تغييرات معني‌داري در متابوليسم ليپيدها، آمينواسيدها و انرژي بين دو گروه بيمار را نشان داد. نتيجه‌گيري: اسپكتروسكپي رزونانس مغناطيس هسته سرم با موفقيت دو گروه بيمار در معرض گاز خردل قرار گرفته را متمايز مي‌كند. اين تكنيك، شناسايي مكانيسم‌هاي پاتوفيزيولوژيك جديد، روش تشخيصي، بيوماركرها و اهداف دارويي جديد را فراهم مي‌كند

Introduction: Metabolomics is a powerful technique for determination of biomarkers. Here, we aimed to determine discriminatory metabolomic profiles in different stages of sulfur mustard-exposed patients (SMEPs). Materials and methods: Nuclear magnetic resonance spectroscopy was used to analyze serum samples from 17 SMEPs (normal group patients) and 17 SMEPs (severe group patients). Multivariate statistical analysis using random forest (RF) was performed on a ‘training set’ (70% of the total sample) in order to produce a discriminatory model classifying two groups of patients, and the model tested in the remaining subjects. Results: A classification model was derived using data from the training set with an area under the receiver operating curve (AUC) of 0.87. In the test set (the remaining 30% of subjects), the AUC was 0.8, thus RF model had good predictive power. We observed significant changes in lipid, amino acids and energy metabolism between two groups of patients. Conclusion: Nuclear magnetic resonance spectroscopy of serum successfully differentiates two groups of patients exposed to sulfur mustard. This technique has the potential to provide novel diagnostics and identify novel pathophysiological mechanisms, biomarkers and therapeutic targets.