基于代谢组学的辐射诱发心脏病的生物标志物筛选及诊断模型构建

《Cardio-Oncology》：Biomarker screening and diagnostic model construction for radiation-induced heart disease based on metabolomics

摘要

背景

辐射诱发的心脏疾病（RIHD）是胸部恶性肿瘤放疗后的一种严重并发症。由于缺乏特异性生物标志物，早期诊断较为困难。本研究旨在利用代谢组学技术筛选潜在的RIHD血浆生物标志物，并构建高精度诊断模型。

方法

共纳入57名RIHD患者和22名健康对照组（HC）。采用气相色谱-质谱（GC–MS）技术对血浆样本进行非靶向代谢组学分析。通过结合多元统计分析和单变量分析筛选差异代谢物，并进行了代谢途径富集分析。基于识别出的生物标志物，构建了三种机器学习模型——支持向量机（SVM）、线性判别分析（LDA）和随机森林（RF），并评估了它们的诊断性能。

结果

在RIHD组和HC组之间共鉴定出44个差异代谢物（6个上调，38个下调）。这些代谢物主要参与苯丙氨酸/酪氨酸/色氨酸的生物合成、精氨酸的生物合成、三羧酸循环以及甘氨酸/丝氨酸/苏氨酸的代谢。基于随机森林算法的变量重要性分析确定赖氨酸和半胱氨酸等关键代谢物对组间分离有显著贡献。随机森林诊断模型在测试集中的表现最佳，曲线下面积（AUC）为0.872（95% CI：0.666–1），敏感性为1.00，特异性为0.76。

结论

本研究揭示了RIHD患者特有的血浆代谢谱异常，并通过变量重要性分析确定了关键代谢物生物标志物。利用这些关键代谢物构建的随机森林诊断模型具有高准确性，具有临床应用的潜力，为RIHD的早期诊断提供了一种新的策略。