扫码联系客服
绝不外传的高分秘籍！——生信应该卷临床，而不是卷热点
用于预测疾病的诊断模型数不胜数，传统模型以已无新意！想开发创新算法，又觉得过于艰难！此时，又出现了一类对纯生信分析造成“降维打击”新兴高分思路，分析思路极简单，研究专家也喜欢！
小编今天打开格局，仔细分析一下这严重冲击纯生信分析发文渠道的思路。拆开来看，不过就是具有争议的/热门的临床问题+生信分析，可以基于公共数据库，也可以用自己的临床数据，方法灵活！
只要分析出这一类思路的点睛之笔，那么，下一个在一众文章中脱颖而出就是你！小编已经拿着最新的个性化思路等着大家了！
今天分享的文章于2022/6 发表在Intensive Care Medicine（IF 41.787/Q1）。
题目“使用基因表达特征对术后感染和败血症进行症状前诊断Presymptomatic diagnosis of postoperative infection and sepsis using gene expression signature”
术后感染是手术常见的并发症之一，严重的感染会造成败血症，器官衰竭甚至患者的死亡。早期准确诊断感染±器官功能障碍(败血症)仍然是临床实践的主要挑战。但是，目前尚无症状前检测的方法。
作者鉴定了一组signatures，可以在临床表现出现前三天内，对术后是否发生感染，全身炎症反应以及器官功能障碍（败血症）的做出预测。这为日后对于择期手术的具有高危因素的患者进行精确的风险分层，对可能发生器官功能障碍（败血症）的感染患者采取预防性的抗生素使用或者其他治疗措施，以此改善患者的预后，减少临床中不适当的抗生素使用具有重大的指导意义。
一、背景
脓毒症是宿主对感染的失调反应，导致危及生命的器官功能障碍，是死亡率和发病率的重要原因。感染和器官功能障碍的早期准确诊断仍然存在问题，这反映在多年来的干预性试验未能改善感染结局，临床试验的失败与感染存在的不确定性有关，但也与一旦患者多器官衰竭机制启动后，进行及时的诊断极其困难，治疗的时间机会窗口短暂有关。
预防性的使用免疫调节剂和其他治疗策略，可能在的脓毒症发生前或者早期使用，可能可以成功的改善感染的结局。另一方面，不适当预防性使用抗生素会导致抗菌素耐药性，造成继发性的多重感染并分散临床医生诊断非感染性疾病的注意力。
研究的主要目标在于开发基于基因组中的转录变化的，可以前瞻性的在出现症状前，对发生感染的患者进行鉴定的signatures；次要目标：前瞻性的预测那些在以后的病程中会出现新发器官功能障碍（败血症）的感染患者。
为此，作者对接受择期大手术的患者进行了一项大规模的前瞻性多中心研究，从术前开始进行血液采样和数据记录，并持续到术后一周。临床裁决小组独立检查临床和实验室数据，以确定患有明确感染±败血症的患者。将这些患者进行匹配，并且与与术后住院时间，年龄，性别和手术方式匹配的非感染性全身炎症或术后病程不复杂的患者进行比较。
二、方法
1.研究设计
多中心招募择期手术的患者，收集患者入组时收集人口统计学数据，术前1-7天采集基线血样。术后每天的实验室和影像学数据。脓毒症、败血症和无并发症的感染亚组或败血症亚组都做了严格的定义。将感染患者分为训练组（n=63）和验证组（n=91）队列。
2.患者诊断流程
将“败血症”描述为疑似或确诊感染两种或两种以上全身炎症反应综合征（SIRS）；将“严重败血症”描述为败血症加上特征不佳的新发器官功能障碍；将“脓毒症”重新定义为感染加上新的器官功能障碍，由序贯器官衰竭评估（SOFA）评分升高≥2分。
由于诊断感染或败血症时临床意见可能会有所不同，临床咨询小组对病例进行了裁决，并能够充分的识别术后感染患者。SOFA得分比基线提高≥2分与未感染的术后白天，年龄，性别和手术匹配的队列进行匹配。这些是进行简单的术后恢复（SIRS-）或发生全身炎症反应（SIRS+）的患者。三组患者的血液样本共453例，用于转录组学和随后的逆转录定量聚合酶链反应（RT-qPCR）分析。
三、结果
患者招募和亚组识别
从4385名高危择期手术患者中收集临床数据和血液样本，其中154名为感染确定性很高的患者，98名患有败血症（图1、S5）。
将这些患者与术后住院天数，年龄，性别和手术方式匹配的无感染患者的样本进行比较，其中148例发生系统性炎症反应（SIRS+），151例（SIRS-）（表1）。
81名脓毒症患者和45名无并发症的感染患者经过了微生物检测，分离出广泛的革兰氏阴性，革兰氏阳性和真菌并确认感染（表S6）。其余15名和11名患者分别一句强有力的感染的临床证据被确诊。
大约60%的未感染患者未接受术后抗生素（表S7）。其余患者接受了一剂或多剂抗生素，79%从术后第1天开始，可能代表正在进行的预防性药物治疗。
四、训练队列
1.基于微阵列的生物标志物发现
58名感染患者，在术后感染临床表现前的三天内，对其血液样本进行了生物标志物检测和转录组学分析，并且与匹配组的患者比较（图1，表1）。
感染前三天内在感染和对照之间鉴定出2594个差异表达基因（DEG），前1500个DEG中，863个（57.5%）DEG上调，637个（42.5%）下调。功能富集分析显示主要涉及中性粒细胞和T细胞的免疫相关途径（图2，表S8）。
2.基于微阵列的生物标志物的RT-qPCR验证和选择
差异表达分析和同时基于随机森林的分类算法有同样高性能的指标，从微阵列数据中提出了前80个基因。
通过RT-qPCR分析，这些患者被筛选下来进行验证，使用的是同样的58例感染患者队列样本，用于生物标志物发现分析，以及来自另外5例患者的样本，并与62例未感染的SIRS患者进行比较。
一个具有代表性的8个基因集在两个患者组之间显示出高度显著的差异表达，说明了基于微阵列和RT-qPCR的基因表达之间的兼容性(图2C)。
作者随后探索了基于80个基因集的亚组是否足以区分63名感染患者与58名SIRS+患者，以及在感染队列中区分伴有(n=37)或无(n= 26)器官功能障碍患者的区分（图1，表1）。
随机森林的分类方法在所有分类尝试中产生了令人信服的模型性能：感染SIRS-模型的7个基因集（B4GALT5，AFF1，LDLR，ATXN7L3，LARP4B，SLC36A1，TRPM2，AUC>0.85，PPV>0.8），感染SIRS+模型的12个基因集（ATXN1，SLC41A3，MED13L，STOM，B4GALT5，MIDN，HVCN1，LDLR，CFLAR，SPATA13，EIF4G3，METTL7B，AUC>0.9，PPV>0.8）；对术后结果进行分类8个基因集（DOK3，ICAM2、IL1R1、LGALS2、LSG1、RPL13A、RPS13、SGSH，脓毒症与无并发症感染的AUC>0.75（PPV>0.7））。
在独立患者队列中构建机器学习预测模型
在单独的患者队列中，作者评估了7、12和8个基因标记的分类性能(图1，表1)。在基于随机森林的分类之后，对随机选择的80%数据进行了10次分类训练。基因signatures对于术后感染与SIRS对照，7基因特征的AUC值为0.871（图3）。
用于区分感染与未感染SIRS+患者的12个基因标记的AUC值为0.897;脓毒症与无并发症感染患者的鉴别的AUC值为0.703。最后，使用所有25个转录本将败血症与所有其他临床表现区分开来，AUC为0.843。
所有分类的敏感性都很高（0.785-0.942），而与未感染的SIRS+（0.838）和SIRS-（0.776）患者相比，感染的特异性很高，但脓毒症与无并发症感染的差异很小（0.217）。
讨论
这项研究表明，通过在临床诊断前三天内使用转录组学，可以可靠地预测接受择期大手术的患者发生术后感染伴或不伴器官功能障碍（败血症），并与未感染患者进行区分。
准确，早期诊断感染和败血症是改善患者护理和预后以及避免不必要的抗菌药物使用的圣杯。研究增加了作者对脓毒症发病机制的理解，证明了一些预后能力，并合理区分了全身炎症的传染性和非传染性原因。症状前诊断将有助于早期调查和治疗，并且可以合理推测以改善患者预后。
目前为止，没有研究专门研究感染临床发作前采集的患者样本。择期手术人群代表了一个理想的患者群体，因为大多数患者的术后病程不受感染的影响。
作者采用了一种创新性的，依赖统计而非生物学特征的目标选择策略。使用机器学习方法选择合适的目标，并根据宿主基因表达对患者进行分类，并与明确的临床诊断进行比较，以确定预测准确性。在分类模型中鉴定出的80个基因中，只有6个与先前公布的败血症和社区获得性肺炎基因特征重叠。
总之，作者证明术后感染可以通过一组基因转录本在临床表现发作前三天内进行鉴定。这可以从简单的术后对照以及更重要的是与感染无关的术后全身炎症患者中描述出来。也可以提前确定发生器官功能障碍（败血症）的感染患者。
经前瞻性证实，所鉴定的signatures可以可靠地在出现症状前诊断感染和败血症，这为日后对于择期手术的具有高危因素的患者进行精确的风险分层，对可能发生器官功能障碍（败血症）的感染患者采取预防性的抗生素使用或者其他治疗措施，以此改善患者的预后，减少临床中不适当的抗生素使用具有重大的指导意义。
五、思维拓展
作者构建模型和分析的思路很简单，只是结合了有待解决的临床问题，将生信分析运用到解决实际临床问题的层面上，就发表了高分!
其实临床待解决的问题很多，以恶性肿瘤为例子:
特殊部位转移：血管和淋巴管侵犯，特定分区淋巴结转移[比如PTC侧区淋巴结转移]；
治疗效果：消融，栓塞，内放射治疗；
高危并发症:消化道大出血，腹水，肝性脑病；
肿瘤器官功能异常：肝脏——凝血异常，脑肿瘤——癫痫，认知障碍。
如果大家可以关注临床指南的更新，新注册的前瞻性临床试验等等，就会发现最热门的、有争议的临床方向就在这些信息里！希望作者都可以用临床应用，为生信减负！越卷越轻松！
