《Journal of Rare Earths》：Discovering Biomarkers for Asymptomatic Tuberculosis via Olink Proteomics and Machine Learning
编辑推荐：
本研究通过整合Olink蛋白质组学技术与多种机器学习算法，鉴定并验证了EN-RAGE和MCP-3作为无症状结核病（asymptomatic TB）的生物标志物，其联合检测的AUC达0.90，独立验证队列中AUC为0.837，显著优于健康对照组和潜伏性结核感染（LTBI）。
孙庆峰|李珊珊|任伟聪|周游|姚聪|石柳春|刘爱梅|高梦秋|庞宇
首都医科大学耐药结核病研究北京市重点实验室细菌学与免疫学系，北京胸科医院117550，北京101149，中国
由于疾病处于早期阶段，无症状结核病（TB）的诊断仍然具有挑战性。本研究旨在通过整合Olink蛋白质组学技术与多种机器学习算法，识别并验证无症状TB的血浆生物标志物。使用Olink邻近扩展检测（Proximity Extension Assay）分析了血浆样本，该检测针对92种与炎症相关的蛋白质；支持向量机（SVM）、随机森林、神经网络和XGBoost算法被用于筛选和识别最具区分性的生物标志物。我们的数据显示，EN-RAGE和MCP-3在无症状TB病例中显著上调。EN-RAGE和MCP-3的组合能够准确区分无症状TB与健康对照组和潜伏性结核感染（LTBI），曲线下面积（AUC）为0.90（95%置信区间：0.85–0.95）。在独立队列中进行的ELISA验证证实，与健康对照组和LTBI相比，无症状TB患者的EN-RAGE和MCP-3水平显著升高（AUC = 0.837，95%置信区间：0.75–0.924，p < 0.05）。这些发现表明，EN-RAGE和MCP-3的组合在无症状TB的诊断中具有很高的潜力。进一步将EN-RAGE和MCP-3应用于临床实践可能有助于早期识别无症状TB，改善患者预后并增强结核病控制策略。
