查看更多
密码过期或已经不安全,请修改密码
修改密码壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
【摘要】
从慢性乙型肝炎病毒(HBV)感染者中准确区分免疫耐受期(IT)患者对于抗病毒治疗等临床决策至关重要,但是目前相关的无创诊断模型研究较少涉及。本研究将二代测序技术(NGS)与机器学习算法相结合,旨在利用病毒准种特征开发一个全新的精准诊断模型。本研究共入组290例HBeAg阳性的慢性HBV感染者,将其分为训练集(n=148)和验证集(n=142),然后抽提外周血的HBV DNA并使用NGS技术检测HBV准种。使用课题组自主开发的QAP病毒准种分析软件,首次实现病毒准种的OTU定量,并通过层次聚类(HCA)和主成分分析方法(PCA)将病毒准种定量与临床表型进行关联分析,最后通过KNN、RF、SVM等机器学习方法建立IT患者的精准诊断模型。本研究基于肝组织学结果共入组90例IT及200例慢性乙型病毒性肝炎(CHB)患者,通过HBV全基因组测序分析发现在BCP/PreC区的病毒准种特征与肝脏炎症及纤维化程度密切相关。聚类分析发现该区段的准种特征可以将患者显著分为IT和CHB两组。据此建立的诊断模型,其鉴别IT或CHB患者的效能要显著优于现有的HBsAg定量、APRI、FIB-4等指标,且病毒定量指标与肝纤维化及炎症等级密切相关。综上,本研究基于病毒准种定量开发了一种新型的IT患者诊断模型,对于慢性HBV感染患者的个性化诊治具有较好的临床应用价值。
文章首发自瑞金医院图书馆
查看更多