科研界的同仁们，今日份的学术盛宴不容错过！在这里，小记者要向大家介绍一篇荣登《Cell Metabolism》期刊、影响因子高达27.7的突破性研究成果，由港中文团队精心打造。文章聚焦于开发一种基于血液的生物标志物组合，用于非侵入性诊断与代谢功能障碍相关的脂肪性肝炎（MASH），其创新性和实用性无疑将为该领域带来新的研究视角。和小记者一同探索这一科研成就的精彩之处！
1、巧妙的机器学习技术的应用：研究通过应用支持向量机（SVM）和逻辑回归等机器学习技术，成功地从多个候选生物标志物中筛选出最优组合，为MASH的诊断提供了新的视角。这些技术的应用不仅提高了研究的精确度，还体现了研究团队在数据分析领域的专业能力和创新思维。这无疑使其在众多研究中脱颖而出，更容易引起同行的关注和认可。
2、精心的实验设计和跨地域验证：研究通过精心设计的实验方案，从香港到美国，再到中国的多个独立队列，全面评估了N3-MASH作为非侵入性诊断工具的性能。研究不仅在理论上深入，更通过实际的临床样本分析，验证了N3-MASH在不同人群中的普适性和可靠性。这种跨地域的多层次验证策略，极大地增强了研究的严谨性和结果的可信度，同时也展示了研究成果向临床应用转化的巨大潜力。
PS：今天介绍的这项研究真是精妙绝伦，逻辑严密，富有洞察力，无疑达到了在影响因子高达27.7分的顶级期刊《Cell Metabolism》上发表的高标准。苦于找不到合适的研究方向？或是对繁琐的研究设计感到迷茫？私信小记者，让我们的专家团队为你提供专业的评估和设计服务。我们拥有丰富的实践经验和专业技能，能够为你量身打造最适合的研究方案，让你的研究工作更加高效，成果卓越！
定制生信分析
生信云服务器
(加微信备注99领取试用)
题目：用于代谢功能障碍相关脂肪性肝炎无创诊断的血液生物标志物组
杂志：Cell Metabolism
影响因子：IF=27.7
发表时间：2024年11月
研究背景
代谢功能障碍相关脂肪性肝病（MASLD），影响全球25%-30%人口，其中20%发展为更严重的MASH，风险更高。肝脏活检为MASH诊断金标准，但受限。需开发非侵入性诊断方法。本研究开发并验证了基于血清蛋白生物标志物和临床变量的非侵入性面板，以识别MASH或纤维化。
数据来源
本研究的数据来源于多个机构，包括香港的威尔士亲王医院、美国加州大学圣地亚哥分校和中国温州医科大学第一附属医院。共招募了829名受试者，其中184名进入发现队列，包括112名MASLD患者和72名健康对照。另有516名受试者来自三个独立验证队列。
研究思路
本研究的研究思路首先是通过招募参与者并收集血清样本，来识别和验证与代谢功能障碍相关脂肪性肝炎（MASH）相关的候选生物标志物。其次，研究者开发了一个包含三个参数（C-X-C基序趋化因子配体10 [CXCL10]、细胞角蛋白18片段M30 [CK-18] 和调整后的体重指数 [BMI]）的血液生物标志物小组（称为N3-MASH），并使用机器学习技术对这些生物标志物进行优化和验证，以实现对MASH的非侵入性诊断。最后，研究者在亚洲和美洲的三个独立队列中验证了N3-MASH小组的诊断性能，展示了其在不同人群中的适用性和准确性。
图1：研究流程图和模型结构
研究结果
1.识别蛋白质作为候选生物标志物，用于从健康对照组诊断MASLD患者，以及从MASL患者诊断MASL患者
研究基于发现队列中的184人（112名MASLD患者和72名健康对照）的血清样本数据，检查了6种MASLD相关蛋白（CK-18、CXCL10、FGF21、CA3、P62、SQLE）的血清水平。通过比较分析，发现MASLD患者中这些蛋白水平显著高于健康对照组，从而确认了N3-MASH生物标志物小组的诊断潜力。
2.在发现和验证队列中建立优化的生物标志物面板N3-MASH，用于MASLD诊断
为了提升临床应用性，优化了N7-MASH面板，减少了生物标志物数量。通过逻辑回归和SVM分析（图2A-D），发现包含CK-18、CXCL10和调整BMI的N3-MASH在区分MASLD患者与健康对照组方面表现出色，AUROC高达0.954，特异性94.4%，灵敏度83.9%。这一结果在圣地亚哥的独立验证队列中得到证实，AUROC为0.946，显示N3-MASH在不同种族中具有广泛的适用性和高准确性。
图2：N3-MASH在发现和验证队列中诊断MASLD的性能
3.在发现队列中建立优化的生物标志物面板N3-MASH，用于MASH诊断
通过评估了N3-MASH在诊断MASH中的性能，使用逻辑回归（图3A）和SVM（图3B）分析，发现其AUROC分别为0.823和0.828，优于单个生物标志物和传统肝脏损伤指标ALT、AST（表S4）。N3-MASH还超过了其他生物标志物面板，包括AAR、APRI、FIB-4、NFS、BARD和NICE模型（表S5）。研究设定了N3-MASH的诊断截止点，高截止点≥0.664具有90.0%特异性和62.9%灵敏度，低截止点≤0.373具有90.3%灵敏度和50.0%特异性（表1）。这使得N3-MASH在临床上适用于67%的患者，不确定区域为0.373–0.664（图3C和3D）。
图3：N3-MASH在发现队列中诊断MASH的性能
表1：M3-MASH性能以高灵敏度和特异性区分MASH患者和MASL
4.N3-MASH在三个独立队列中用于MASH诊断的验证
在美国圣地亚哥、中国温州和香港的3个独立队列中验证了N3-MASH的性能，共涉及MASLD患者483名（图1）。结果显示，N3-MASH在区分MASH和MASL患者方面表现良好，AUROC值在0.802至0.823之间（图4A-C）。使用逻辑回归和SVM分析，所有队列的AUROC值分别为0.807和0.808（图4D），优于传统指标ALT和AST。在这些队列中，53.8%患者的N3-MASH值≥0.664，被诊断为MASH，具有79.7%特异性和90.7%PPV（表1）；20.7%患者的N3-MASH值≤0.373，被归类为MASL，灵敏度为87.9%，NPV为56.0%（表1）。这些结果证实了N3-MASH在MASH诊断中的高准确性。
图4：N3-MASH在三个验证队列中诊断MASH的性能
5.N3-MASH在评估MASH随着时间的推移改进方面的表现
研究分析了48名MASH患者的血清样本，这些患者在首次活检后至少6个月进行了第二次活检（图5A）。研究发现，随着时间的推移，那些组织学改善的MASH患者（MAS评分降低≥2分）的N3-MASH指数显著下降（p < 0.001）。通过AUROC分析（图5B），N3-MASH以0.857的AUROC值准确识别了MASH的改善，显示了其在监测MASH病情变化中的高准确性。
图5：N3-MASH在评估MASH时的表现
文章小结
本研究通过深入的血液生物标志物小组分析，评估了多个临床参数，成功鉴定了N3-MASH这一强大的非侵入性诊断工具，研究不仅采用了先进的生物标志物分析和机器学习技术，还通过亚洲和美洲三个独立队列的验证，确保了结果的普适性和可靠性。更难能可贵的是，研究不仅在理论上具有深度，还通过多重验证确保了结果的稳健性。总之，无论是从临床应用的创新性还是实用性来看，这是一项在生物标志物研究领域的重大突破，对相关领域研究者极具启发。这操作，简直是科研界的“精准与高效”啊！创新性满分，实用性也顶呱呱，让人大呼精彩！小记者已经为你准备好了“特别推荐”的席位，就等你来一键加入！快来私信滴滴小记者吧！
小记者话生信
如果您的时间和精力有限或者缺乏相关经验，并且对生信分析和期刊推荐有所需要的话，“生信日报”非常乐意为您提供如下服务：免费思路评估、付费生信分析和方案设计，有意向的小伙伴欢迎咨询小记者哦！
定制生信分析
生信云服务器
往·期·推·荐
中国医学科学院肿瘤医院赫捷院士团队这篇单基因分析太全面了，不得不学啊！
重磅！北大曹云龙团队最新Nature诞生！曹雪涛院士之子，90后博导，4年5篇Nature，科研锋芒势不可挡！
机器学习是真热啊！“纯生信+机器学习”简单分析就荣登1区7.7分，IJBM杂志真宝藏刊—接收纯生信、审稿快，快来薅羊毛吧！
选择这个逆风翻盘的生信友好刊，网络药理学纯生信一发一个准！全靠在线数据库分析，2区4分+手拿把掐，0代码，生信小白也能轻松复现！