一篇文章玩转转录组

Eddie Cano-Gamez和同事如今推出了SepstratifieR系统，这是一种机器学习工具，它能对各种细菌和病毒感染所致的败血症患者进行层级划分与分类。

败血症仍然是一个重大的健康负担，它每年在全世界会导致1100万人死亡。科学家们正在寻找可以对患者群体进行分类并预测个体结局有帮助的新工具和生物标记物，因为它们或能为治疗计划提供信息。
然而，此前很难对败血症患者进行层级划分，因为败血症可由许多不同的细菌和病毒感染所致。此外，许多严重感染患者并不符合败血症的诊断标准，对这一较大患者群体的生物标志物和预测因子的研究一直滞后。

该研究团队首先查验了3149个血液样本的转录组数据，这些样本采自由肺炎或腹膜炎所致的败血症患者。通过将这些数据整合到基因表达图中，科学家们成功地推导出了一个败血症评分工具，该工具能判断基因特征和免疫功能障碍等可以帮助预测患者结局的临床特征。
当应用于多个败血症或其他感染患者群组（包括儿科败血症患者和新冠肺炎或流感患者）时，SepstratifieR可根据疾病的严重程度将患者正确地划分至与临床相关的群组。
Cano-Gamez等人判断：“SepstratifieR可以改善对免疫功能障碍的风险估计和临床结果，并为设计临床试验提供信息，从而使我们更接近于对严重感染进行精准治疗。”

如下是此研究中使用的所有公开可用的基因表达数据集列表，用于模型训练或结果验证。所有数据集均由全血转录组组成。

作者采用了提取RNA，分别用Q-PCR ，芯片，和RNA-Seq，三个方式进行了检测， 如下表:

如下是客户的整个科研思路，作者通过将这些数据整合到基因表达图中，科学家们成功地推导出了一个败血症评分工具，该工具能判断基因特征和免疫功能障碍等可以帮助预测患者结局的临床特征。

好物推荐：

更多精彩，请关注“优宁维分子生物学”公众号进行咨询