开发基于长非编码RNA的机器学习模型预测COVID-19院内死亡

Development of a long noncoding RNA-based machine learning model to predict COVID-19 in-hospital mortality.

作者信息Yvan Devaux, Lu Zhang, Andrew I Lumley, Kanita Karaduzovic-Hadziabdic, Vincent Mooser, Simon Rousseau, Muhammad Shoaib, Venkata Satagopam, Muhamed Adilovic, Prashant Kumar Srivastava, Costanza Emanueli, Fabio Martelli, Simona Greco, Lina Badimon, Teresa Padro, Mitja Lustrek, Markus Scholz, Maciej Rosolowski, Marko Jordan, Timo Brandenburger, Bettina Benczik, Bence Agg, Peter Ferdinandy, Jörg Janne Vehreschild, Bettina Lorenz-Depiereux, Marcus Dörr, Oliver Witzke, Gabriel Sanchez, Seval Kul, Andy H Baker, Guy Fagherazzi, Markus Ollert, Ryan Wereski, Nicholas L Mills, Hüseyin Firat
PMID38769334
发布时间2024-05
DOI10.1038/s41467-024-47557-1

实验完整度

高

多队列血液样本靶向测序,机器学习建模,独立队列验证,qPCR验证,生存分析。

主要模型

COVID-19患者全血样本(发现队列n=804) COVID-19患者全血样本(验证队列n=482) NAPKON队列患者亚组(qPCR验证n=84)

重点核对

发现队列:PrediCOVID、NAPKON、ISARIC4C三个欧洲队列合并,n=804 验证队列:加拿大BQC19队列,n=482 特征选择:100次迭代,FDR<0.00001,Boruta算法 模型评估:20次重复5折交叉验证 qPCR验证:84例NAPKON患者(41存活,43死亡)

摘要

预测COVID-19结局的工具能够实现个性化医疗,有望减轻疾病负担。这项由欧洲15家机构合作的研究旨在开发一个机器学习模型,用于预测SARS-CoV-2感染后院内死亡的风险。研究分析了2020年至2023年间在欧洲和加拿大四个队列中收集的1286名COVID-19患者的血液样本和临床数据,并使用靶向测序对2906个长非编码RNA进行了分析。在一个由三个欧洲队列共804名患者组成的发现队列中,年龄和长非编码RNA LEF1-AS1被确定为预测特征,使用前馈神经网络分类器得出的AUC为0.83(95% CI 0.82–0.84),平衡准确度为0.78(95% CI 0.77–0.79)。在一个由482名患者组成的独立加拿大队列中进行验证,显示出 consistent 的性能。Cox回归分析表明,较高的LEF1-AS1水平与降低的死亡风险相关(年龄调整风险比0.54,95% CI 0.40–0.74)。定量PCR验证了LEF1-AS1在医院环境中可测量的适应性。在此,我们展示了一个有前景的预测模型,用于增强COVID-19患者管理。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
能否基于长非编码RNA表达谱和临床特征构建机器学习模型,预测COVID-19患者院内死亡风险?
核心机制
年龄和lncRNA LEF1-AS1表达水平被选为预测特征,LEF1-AS1高表达与较低的死亡风险相关;LEF1-AS1的功能角色尚未被证实。
主要证据
在804例发现队列中,MLP模型基于年龄和LEF1-AS1预测院内死亡的AUC为0.83(0.82–0.84),平衡准确度0.78(0.77–0.79);在482例独立验证队列中AUC为0.83(0.82–0.84)。Cox回归显示LEF1-AS1较高水平与降低的死亡风险相关(年龄调整HR 0.54,95% CI 0.40–0.74)。qPCR在84例患者中验证了LEF1-AS1的检测可行性及与死亡风险的关联。
研究意义
该模型可能有助于COVID-19患者的管理和风险分层,但作者指出LEF1-AS1在COVID-19结局中的功能作用仍需进一步研究。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列构建与样本收集

建立用于特征选择和模型验证的COVID-19患者队列

收集来自欧洲三个队列(PrediCOVID、NAPKON、ISARIC4C)和加拿大BQC19队列的COVID-19患者全血样本和临床数据;全血样本收集于PAXgene RNA管,于-80°C保存。

2

RNA提取与靶向测序

定量长非编码RNA表达水平

使用KingFisher Apex仪器和MagMAX试剂盒提取总RNA;使用KAPA Stranded RNAseq Kit构建文库;使用FIMICS panel捕获2906个lncRNA;在NextSeq 2000平台测序;使用Firalink流程分析数据。

3

机器学习特征选择与模型构建

筛选预测院内死亡的特征并选择最佳机器学习模型

在发现队列中进行100次迭代:随机划分训练集和测试集,DESeq2识别差异表达lncRNA(FDR<0.00001),Boruta算法进行特征选择,评估六种机器学习分类器(RF、kNN、Logit、MLP、SVM、XGB),选择AUC最高的模型。

4

模型验证

在独立队列中验证模型的预测性能

在BQC19验证队列中,使用发现队列选定的特征和算法,重复100次训练和测试划分,评估模型性能;并在平衡和imbalanced数据集上使用20次重复5折交叉验证评估。

5

生存分析

评估LEF1-AS1表达水平与院内死亡风险的关联

在ISARIC4C和BQC19亚组中使用Cox回归和Kaplan-Meier曲线分析LEF1-AS1表达与生存的关系。

6

qPCR转化验证

验证LEF1-AS1在医院环境中可测量性

在84例NAPKON患者中,使用qPCR测量全血LEF1-AS1表达水平,并与RNAseq数据比较;评估其与生存的关联。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
PAXgene血液RNA管PreAnalytiX762165
KingFisher Apex仪器Thermo Scientific5400930 P
MagMAX稳定血液管RNA分离试剂盒Invitrogen, Thermo Scientific4451894
Qubit 3.0荧光计Invitrogen, Thermo Fisher ScientificQ33216
TapeStation 4150电泳平台AgilentG2992AA
EpMotion 5075t NGS解决方案Eppendorf5075000962
KAPA链特异性RNAseq试剂盒(含RiboErase)Roche diagnostics634444
Celemag纯化磁珠CelemicsCMCB57.6
文库构建盒#2CelemicsLI20D96
FIMICS panelCelemicsBO5096
Celemag链霉亲和素包被磁珠CelemicsCMSB5.76
Celemics洗涤缓冲液CelemicsTC4096
NextSeq 2000平台Illumina Inc.20038897
NextSeq 2000 P2试剂盒Illumina Inc.20046811
高容量cDNA逆转录试剂盒ThermoFisher Scientific4368814
CFX-OPUS-96 Dx qPCR仪Biorad--
IQ SYBR Green预混液Biorad--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列与样本
发现队列和验证队列的纳入排除标准、样本收集时间点、样本类型(全血PAXgene管)、储存条件(-80°C)
阅读提示:Methods: Patient cohorts; Sample storage and RNA extraction; Fig. 1
RNA测序与数据处理
RNA提取试剂盒、文库构建试剂盒、FIMICS panel版本、测序平台、数据质控标准(相对标准差<0.46,lncRNA检测阈值>10 reads且检出率>10%)、归一化方法(Voom)
阅读提示:Methods: Library preparation, targeted RNA sequencing and raw data analysis; Data management and curation
机器学习建模
特征选择算法(Boruta)、差异表达阈值(FDR<0.00001)、迭代次数(100次)、训练集/测试集划分比例(80%/20%)、分类器类型及超参数调优、交叉验证方案(20次重复5折)
阅读提示:Methods: Machine learning models; Supplementary Fig. 1
qPCR验证
逆转录试剂盒、qPCR设备、引物序列、内参基因(SF3A1)、每个样本重复数(双重复)、表达量计算方法(ΔΔCt)
阅读提示:Methods: Quantitative PCR (qPCR)
生存分析
生存时间定义(入院至死亡或出院)、Cox回归协变量(年龄)、Kaplan-Meier分层依据(LEF1-AS1表达四分位数)
阅读提示:Methods: Statistical analysis; Fig. 4 and Fig. 5 legends