基于1H核磁共振（NMR）的等离子体代谢组学与机器学习技术揭示了尼日利亚女性乳腺癌患者独特的代谢特征

《Journal of Proteome Research》：1H NMR-Based Plasma Metabolomics and Machine Learning Reveal Distinct Metabolic Signatures of Breast Cancer in Nigerian Women

　　

阿比姆博拉·F·奥尼亚（Abimbola F. Onyia）|奥卢托拉·E·奥拉塞欣德（Olutola E. Olasehinde）|乌切楚克武·沙加亚（Uchechukwu Shagaya）|埃马努埃拉·恩瓦楚克武（Emmanuella Nwachukwu）|阿德莫拉·奥耶坎（Ademola Oyekan）|奥莫拉拉·法蒂雷贡（Omolara Fatiregun）|特米托佩·奥拉图恩吉（Temitope Olatunji）|阿卜杜勒拉扎克·拉瓦尔（AbdulRazzaq Lawal）|阿德乌米·阿拉比（Adewumi Alabi）|埃本·A·阿杰（Eben A. Aje）|安东尼娅·索温米（Anthonia Sowunmi）|奥卢瓦布萨约·B·奥古尼伊（Oluwabusayo B. Ogunniyi）|奇迪贝雷·恩杜克韦·奥戈（Chidiebere Ndukwe Ogo）|埃贝内泽尔·S·恩科姆（Ebenezer S. Nkom）|奥佩耶米·克里斯蒂安娜·德坎波斯（Opeyemi Christianah De Campos）|奥卢瓦凯米·A·罗蒂米（Oluwakemi A. Rotimi）|杰利利·奥耶拉德（Jelili Oyelade）|托卢瓦尼米·O·P·阿吉博拉（Toluwanimi O. P. Ajibola）|蒂莫西·A·阿纳克（Timothy A. Anake）|恩嫩纳·埃莱博（Nnenna Elebo）|所罗门·O·罗蒂米（Solomon O. Rotimi）

尼日利亚奥贡州奥塔（Ota）生物化学系，邮编112104

非靶向¹H核磁共振（NMR）代谢组学为识别乳腺癌（BC）患者的生物标志物提供了一种无创方法；然而，针对尼日利亚女性的特异性代谢特征仍知之甚少。本研究旨在识别与尼日利亚患者乳腺癌相关的血浆代谢组和脂质组生物标志物，利用机器学习（ML）评估其诊断性能，并确定失调的代谢途径。这项病例对照研究从4家尼日利亚教学医院招募了100名乳腺癌患者和100名健康对照组。通过¹H NMR光谱技术和Liposcale测试对血浆代谢物和脂质进行了分析。多变量分析和机器学习分析显示，乳腺癌患者与对照组之间存在明显差异（PLS-DA准确率：92.4–94.4%）。有24种代谢物发生显著变化（FDR < 0.05），表现为甘氨酸和谷氨酰胺水平降低，而GlycA、GlycB、葡萄糖及酮体水平升高。脂蛋白分析显示小HDL、LDL和大VLDL颗粒减少，同时HDL直径增大。随机森林模型表现出最佳的分类性能（AUC = 0.985），并识别出23个关键生物标志物。通路分析发现了29条富集的代谢途径，包括乙二醛酸和二羧酸代谢途径。总体而言，这些发现揭示了尼日利亚乳腺癌患者独特的代谢变化，并展示了将基于NMR的代谢组学与机器学习结合用于人群特异性、无创乳腺癌诊断的潜力。