基于机器学习的尿路病原体原始LC-MS/MS信号快速物种水平分类

《Analytical Chemistry》:Rapid Species-Level Classification of Urinary Pathogens from Raw LC-MS/MS Signals Using Machine Learning

【字体: 大 中 小 】 时间:2026年09月22日 来源:Analytical Chemistry 7.3

编辑推荐:

  尿路感染(urinary tract infections, UTIs)是人类最常见的感染之一,然而其诊断仍依赖于基于微生物培养并继以MALDI-TOF质谱鉴定的耗时工作流程。尽管LC-MS/MS具备绕过培养所需的灵敏度与特异性,但传统分析流程依赖于耗时的分析

  
尿路感染(urinary tract infections, UTIs)是人类最常见的感染之一,然而其诊断仍依赖于基于微生物培养并继以MALDI-TOF质谱鉴定的耗时工作流程。尽管LC-MS/MS具备绕过培养所需的灵敏度与特异性,但传统分析流程依赖于耗时的分析和肽段/蛋白质鉴定步骤,限制了通量并阻碍了其在临床环境中的应用。在此,研究人员介绍了一种直接的、免鉴定的LC-MS/MS工作流程,该流程分析原始离子信号并在样本制备后约5分钟内实现物种水平的微生物鉴定,其速度足以满足临床通量要求。研究人员所开发的基于机器学习的原始信号分析流程完全绕过了肽段鉴定,保留了信息并消除了传统的解释堆栈。在涵盖28种临床相关病原体的15个独立分析批次中,该方法实现了高置信度分类(MCC = 0.86)。将该方法应用于三个批次的206份临床尿液标本,在临床可操作的微生物载量(大于105 CFU/mL)下达到91%的准确率,并且关键的是,在对照标本中实现了0例假阳性。低于该阈值的标本性能较低。这些结果表明,原始LC-MS/MS谱图包含足够的生物信息以用于直接微生物诊断,为临床质谱建立了一个分析框架。该概念验证证明,快速、免培养的微生物鉴定是可以实现的,并将原始信号推断定位为下一代诊断质谱的一个有前景的方向。
**论文解读:基于原始LC-MS/MS信号与机器学习的尿路病原体快速物种水平分类**

**一、 研究背景与问题**

尿路感染(urinary tract infections, UTIs)是全球最常见的细菌感染之一,每年影响数百万人口,并给医疗系统带来重大负担。仅在美国,UTIs每年导致约800至1000万次门诊就诊、近100万次急诊就诊以及约10万次住院治疗。UTIs对女性、老年人和免疫功能低下人群的影响尤为显著,其临床表现从单纯性膀胱炎到严重的肾盂肾炎和尿源性脓毒症不等。大肠杆菌(*Escherichia coli*)是最常见的病原体,占病例的50%–70%,而约30种微生物物种合计占UTI病例的99%以上。快速准确的病原体鉴定对于启动靶向抗菌治疗和减少并发症至关重要,也有助于限制广谱抗生素的不当使用,从而减缓抗生素耐药性的发展。

尽管UTIs具有重要的临床意义,当前的诊断工作流程在很大程度上仍依赖于培养,且 inherently 缓慢。标准尿液培养通常需要24–48小时才能鉴定致病微生物,这是临床决策的主要瓶颈。虽然MALDI-TOF质谱加速了微生物鉴定,但传统工作流程仍依赖预先培养。诊断延迟导致临床医生常在病原体鉴定结果出来之前就启动经验性抗生素治疗。UTIs是美国抗生素处方的第二大常见适应症,约占所有抗生素处方的15%,其中30%–50%的UTI病例接受了不必要广谱抗生素治疗,进一步加剧了抗生素耐药性。

为克服传统培养工作流程的局限性,已探索了多种免培养方法。PCR虽快速、灵敏且相对低成本,但仅限于有限数量的靶标且易受污染。16S rRNA下一代测序虽不依赖预定义靶标且能高灵敏度检测意外物种,但耗时、昂贵且难以区分真正感染与单纯污染。基于光谱的机器学习方法包括GC-IMS挥发性有机化合物谱分析和单细胞MALDI-TOF MS结合深度学习等,但在分析模式、分类范围和已证实的通量方面与LC-MS/MS原始信号推断不同。

液相色谱-串联质谱(LC-MS/MS)因其高特异性和灵敏度,已被探索作为另一种免培养的UTI病原体鉴定替代方法,通常通过肽段鉴定和蛋白质推断工作流程实现。然而,这些以往的LC-MS/MS方法仍然是 fundamentally 以肽段为中心的:它们依赖足以进行肽段鉴定的色谱分离,然后经过从前体检测到肽段鉴定、蛋白质推断和下游分类的多个解释层。这些步骤引入了延迟,增加了计算负担,并丢弃了未被确信地归属为肽段的部分离子信号,将LC-MS/MS诊断限制在传统蛋白质组学范式内。此外,每个样本占用仪器30至120分钟进行全蛋白质组采集,该过程实际上不可并行化,通量限制在每天几十个样本,远低于临床实验室每天数百个样本的需求。

**二、 研究内容与意义**

为解决上述限制,研究人员使用机器学习算法开发了一种快速、免鉴定的LC-MS/MS框架,完全绕过肽段和蛋白质推断,直接学习原始离子信号。原始信号推断保留了光谱的全部信息内容,避免了以肽段为中心的工作流程的精度和匹配要求,并能利用可能不对应于已注释肽段但携带强诊断特征的离子模式进行分类。通过将该策略与超快色谱梯度相结合,该方法支持在几分钟内完成物种水平鉴定,其速度足以维持连续采集和分析。

本研究提出的方法直接利用分箱的原始LC-MS/MS信号并结合机器学习推断,对28种病原体进行分类。该工作流程完全在原始信号域中运行,采用信息保留方法,克服了以肽段为中心的分析流程的延迟和信息损失。研究在1884份接种尿液标本和未接种对照上训练模型,并在206份患者尿液标本上验证,实现了高特异性,同时保持了灵敏度和跨置信度阈值的校准,支持与快速临床工作流程兼容的可靠、可操作的临床决策。

**三、 关键技术方法**

研究人员构建了包含15个尿液接种批次(IB1至IB15)和3个临床批次(CB1至CB3)的LC-MS/MS数据集。接种实验使用此前金标准检测为阴性的尿液,每批包含24份非接种阴性对照和8种不同病原体物种在106 CFU/mL浓度的接种样本,共1884份标本。临床批次包含206份患者尿液标本。样本经蛋白质提取和酶解后,使用Evosep One液相色谱系统(200样本/天方法,总运行时间7.2分钟)联用Orbitrap Exploris 480质谱仪,以数据非依赖性采集(DIA)模式采集。计算流程包括将原始文件转换为mzDB格式、通过分箱策略导出为TSV格式、构建统一的稀疏张量、特征过滤与归一化,以及使用XGBoost模型进行分类训练,并采用留一批验证(LBO)策略评估模型泛化能力。

**四、 研究结果**

**分箱策略及其对模型性能的影响**:研究人员评估了四种m/z分箱分辨率(1、2、5和10 Th,固定10秒保留时间分箱)。结果显示,过细的分箱易导致过拟合,而过粗的分箱会稀释判别信号。m/z2分箱在分辨率和模型稳定性之间提供了最佳平衡,获得了最高的马修斯相关系数(MCC)。XGBoost模型在标准交叉验证下MCC为0.83–0.90,且始终优于LinearSVC和Logistic Regression模型。

**留一批验证下的批次稳健性**:采用留一批验证(LBO)策略时,m/z2分箱仍获得最佳MCC,从0.90略降至0.86,表明存在适度的批次间变异。该结果与采集批次间存在有限但可测量的分离一致,验证了LBO方案对于评估模型对未见采集条件的真实泛化能力的必要性。

**计算效率与快速可行性**:每个样本的计算预处理总时间平均低于180秒,包括mzDB转换约45秒、TSV导出约135秒和机器学习矩阵构建不到10秒。由于LC-MS/MS采集每运行需432秒,计算预处理通常在采集结束前完成,支持高通量操作。mzDB和TSV文件分别约为100 MB和小于10 MB,远小于原始文件(约500 MB),降低了存储需求。

**接种标本上的分类性能**:在LBO模式下的多分类设置中,模型实现了0.87±0.04的平均准确率和0.86±0.04的平均MCC。在阴性对照与所有接种标本的临床相关区分中,二元准确率为0.97,二元MCC为0.89,特异性达99.1%,灵敏度为96.5%。对*Staphylococcus lugdunensis*(Slug)的分类性能最差,但这并不显著影响整体MCC。应用60%置信度阈值可将MCC提高至0.97±0.01,同时保留约80%的样本,证明了选择性预测策略的有效性。

**临床标本上的性能**:在206份临床尿液标本中,模型实现了0.83±0.02的准确率和0.77±0.01的MCC。当仅限于微生物载量超过105 CFU/mL(临床可操作阈值)的标本时,准确率提高至0.91±0.02,MCC为0.88±0.02。在低于该阈值的标本中性能显著较弱。应用60%置信度阈值后,高载量标本的MCC达到0.94±0.03,同时保留约88%的样本。

**错误模式与校准**:top-k分析显示,91%的样本正确类别出现在前3个预测中,96%出现在前5个预测中,表明大多数错误为“近似命中”。临床标本的校准分析显示,在高于105 CFU/mL的浓度下模型校准良好,而在低浓度下校准较差且过度自信。

**感染检测与物种水平分类的敏感性和特异性**:在所有临床标本中,感染检测的特异性为0.99,灵敏度为0.83,而在高于105 CFU/mL的标本中灵敏度提高至0.91。物种水平上,特异性很高(阴性类为0.82,其他类为0.98–1.00),而灵敏度因物种而异,*Proteus mirabilis*(Pmir)为0.57,*Streptococcus agalactiae*(Saga)为0.36,但在高载量标本中灵敏度估计值更高。

**特征重要性与模型解释**:SHAP分析显示,阴性类依赖最多的特征,与异质性弥散光谱背景一致。大多数信息性分箱具有高度类别特异性。在m/z2分辨率下,最佳模型仅使用近一百万个可能分箱中的2,153个特征,表明诊断相关信息集中在有限的判别性质谱特征子集中。

**五、 讨论与结论**

讨论部分指出,本研究通过将分类任务从肽段/蛋白质鉴定转移到直接原始信号推断,实现了免培养的UTI诊断,计算推断时间低于5分钟,支持每天200个样本的通量,满足临床需求。该方法保留了传统蛋白质组学工作流程中通常丢弃的离子级信息,这可能是其强分类性能的基础。研究中构建稀疏张量表示解决了原始LC-MS/MS信号中极稀疏和异质性特征空间的可扩展性问题。高置信度预测的稳定性是一个关键优势,置信度阈值化策略允许过滤不确定病例而不牺牲通量。批次效应和模型行为共同影响性能,XGBoost因其捕捉非线性关系和嵌入式特征选择能力而表现优异。特征分析表明诊断相关信息集中在有限的判别性特征子集中,支持无需肽段鉴定的直接分类可行性。

研究结论表明,使用原始LC-MS/MS信号数据进行快速病原体鉴定是可行的,为传统方法提供了一种有前景的替代方案。该方法显著减少了处理时间并实现了强分类性能,同时消除了肽段匹配的需要,特别是在微生物载量超过105 CFU/mL的标本中。相比之下,低载量标本的性能明显较弱,这突出了该子集作为重要局限性以及进一步优化的领域。尽管批次效应和样本组成仍是挑战,研究结果支持进一步探索该方法用于临床诊断。未来的研究应优先考虑真实世界验证和方法优化,以增强稳健性和可扩展性,最终通过更快速、更有针对性的抗菌治疗改善患者护理。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号