Articolo metodologico

Un approccio basato sui dati per quantificare gli stati immunitari nella sepsi

DOI:

10.3791/68074

⸱

7 febbraio 2025

 ,  ,  , 
1The First Clinical College, Beijing University of Chinese Medicine, 2Fever Clinics, Dongzhimen Hospital, Beijing University of Chinese Medicine, 3Sunsimiao Hospital, Beijing University of Chinese Medicine, 4Beijing Intelligent Entropy Science & Technology Co Ltd.,, 5Intensive Care Medicine Department, Dongzhimen Hospital, Beijing University of Chinese Medicine

In questo articolo

Sommario

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio indaga la condizione immunitaria nella sepsi analizzando le relazioni quantitative tra globuli bianchi, linfociti e neutrofili nei pazienti con sepsi e nei controlli sani utilizzando l'analisi della visualizzazione dei dati e l'adattamento numerico tridimensionale per stabilire un modello matematico.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Nella sepsi, comprendere l'interazione tra globuli bianchi, linfociti e neutrofili è fondamentale per valutare la condizione immunitaria e ottimizzare le strategie di trattamento. Sono stati raccolti campioni di sangue da 512 pazienti con diagnosi di sepsi e 205 controlli sani, per un totale di 717 campioni. L'analisi della visualizzazione dei dati e l'adattamento numerico tridimensionale sono stati eseguiti per stabilire un modello matematico che descrive le relazioni tra globuli bianchi, linfociti e neutrofili. La mappa delle caratteristiche auto-organizzanti (SOFM) è stata impiegata per raggruppare automaticamente i dati del campione di sepsi nello spazio tridimensionale rappresentato dal modello, producendo diversi stati immunitari.

L'analisi ha rivelato che la conta dei globuli bianchi, dei linfociti e dei neutrofili è limitata all'interno di un piano tridimensionale, come descritto dall'equazione: WBC = 1,098 × neutrofili + 1,046 × linfociti + 0,1645, producendo un errore di previsione (RMSE) dell'1%. Questa equazione è universalmente applicabile a tutti i campioni nonostante le differenze nelle loro distribuzioni spaziali. Il clustering SOFM ha identificato nove stati immunitari distinti all'interno della popolazione di pazienti con sepsi, che rappresentano diversi livelli di stato immunitario, periodi di oscillazione e fasi di recupero.

Il modello matematico proposto, rappresentato dall'equazione di cui sopra, rivela un limite di vincolo di base sulle popolazioni di cellule immunitarie sia nei pazienti con sepsi che nei controlli sani. Inoltre, l'approccio di clustering SOFM fornisce una panoramica completa dei distinti stati immunitari osservati all'interno di questo limite di vincolo nei pazienti con sepsi. Questo studio getta le basi per il lavoro futuro sulla quantificazione e la categorizzazione della condizione immunitaria nella sepsi, che potrebbe in ultima analisi contribuire allo sviluppo di strategie diagnostiche e terapeutiche più obiettive.

Introduzione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La sepsi, una disfunzione d'organo potenzialmente letale causata da una risposta disregolata dell'ospite all'infezione, rimane una sfida significativa nella medicina di terapia intensiva1. Nonostante i progressi nella comprensione della fisiopatologia della sepsi, la complessa interazione tra il sistema immunitario e gli agenti patogeni continua a porre difficoltà nella diagnosi e nel trattamento efficace di questa condizione2. Gli attuali approcci clinici si concentrano spesso sul monitoraggio degli indicatori di infezione, della funzione degli organi, delle citochine, della rilevazione microbica e del microbioma intestinale3. Tuttavia, c'è un crescente riconoscimento del ruolo cruciale svolto dalle cellule immunitarie, in particolare dai globuli bianchi, dai linfociti e dai neutrofili, nella progressione e nella risoluzione della sepsi4.

Durante il decorso della sepsi, il sistema immunitario subisce una complessa serie di modificazioni, caratterizzate da una fase iniziale iperinfiammatoria seguita da una prolungata fase immunosoppressiva5. La fase iniziale è caratterizzata da un aumento della conta dei neutrofili e da una concomitante diminuzione delle popolazioni di linfociti, che riflette l'attivazione delle risposte immunitarie innate e la soppressione dell'immunità adattativa6. Con il progredire della condizione, i livelli di neutrofili possono oscillare o esaurirsi mentre la conta dei linfociti continua a diminuire, portando a uno stato di immunosoppressione che rende i pazienti vulnerabili alle infezioni secondarie7. Comprendere l'interazione dinamica tra queste popolazioni di cellule immunitarie è fondamentale per valutare accuratamente lo stato immunitario dei pazienti con sepsi e ideare interventi mirati.

Gli approcci tradizionali all'analisi della conta delle cellule immunitarie nella sepsi si sono basati su analisi univariate o bivariate, che non riescono a catturare le complesse relazioni tra più parametri immunitari8. I recenti progressi nella visualizzazione dei dati e nelle tecniche di apprendimento automatico hanno aperto nuove possibilità per l'esplorazione di dati immunologici ad alta dimensione9. In particolare, la visualizzazione tridimensionale del grafico a dispersione e le mappe delle caratteristiche auto-organizzanti (SOFM)10 si sono dimostrate promettenti nello scoprire modelli nascosti e nell'identificare stati immunitari distinti in vari contesti di malattia.

Questo studio mira a indagare la condizione immunitaria nei pazienti con sepsi analizzando le relazioni quantitative tra globuli bianchi, linfociti e neutrofili utilizzando tecniche avanzate di visualizzazione dei dati e clustering. L'ipotesi è che queste popolazioni di cellule immunitarie siano vincolate all'interno di uno spazio tridimensionale governato da una relazione matematica sottostante. Scoprendo questa relazione e identificando stati immunitari distinti utilizzando SOFM, lo studio cerca di fornire un quadro per comprendere gli stati immunitari dinamici nella sepsi e facilitare il processo decisionale clinico.

L'approccio prevede la raccolta di campioni di sangue da 512 pazienti con sepsi ricoverati nell'unità di terapia intensiva (ICU) e 205 individui sani, per un totale di 717 campioni. La popolazione dello studio comprendeva sia partecipanti di sesso maschile (54,3%) che di sesso femminile (45,7%), di età compresa tra 35 e 100 anni (età media: 73,5 anni). La visualizzazione tridimensionale del grafico a dispersione e l'adattamento numerico vengono applicati per stabilire un modello matematico che descrive l'interazione tra globuli bianchi, linfociti e neutrofili sia nei pazienti con sepsi che nei controlli sani. Il SOFM viene quindi impiegato per raggruppare automaticamente i dati del campione di sepsi nello spazio tridimensionale, producendo diversi stati immunitari. Confrontando i profili immunitari e le distribuzioni spaziali dei pazienti con sepsi con quelli di individui sani all'interno del limite di vincolo rappresentato dal modello matematico, lo studio mira a ottenere informazioni sui meccanismi fisiopatologici alla base della sepsi e identificare potenziali bersagli per le terapie immunomodulatorie.

Fornendo un metodo quantitativo per valutare la condizione immunitaria dei pazienti affetti da sepsi, l'approccio potrebbe consentire una stadiazione più precisa della malattia e guidare la selezione di interventi appropriati. Inoltre, l'identificazione di stati immunitari distinti utilizzando SOFM può gettare le basi per la ricerca futura su approcci immunoterapici personalizzati su misura per i profili immunitari specifici dei singoli pazienti.

In sintesi, questo studio presenta un approccio alla comprensione della condizione immunitaria nella sepsi sfruttando tecniche avanzate di visualizzazione dei dati e di apprendimento automatico. Scoprendo la relazione matematica tra le popolazioni di cellule immunitarie chiave nei pazienti con sepsi e i controlli sani e identificando stati immunitari distinti nei pazienti con sepsi, lo studio fornisce una nuova prospettiva sulle complesse dinamiche immunitarie nella sepsi. Questo approccio consente una valutazione più precisa dello stato di malattia (Different Clusters) e può guidare la selezione degli interventi appropriati, contribuendo in ultima analisi allo sviluppo di strategie diagnostiche e terapeutiche più efficaci.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio esplora la condizione immunitaria nei pazienti con sepsi studiando le relazioni tra globuli bianchi, linfociti e neutrofili. I pazienti sono stati arruolati nell'unità di terapia intensiva (ICU) dell'ospedale Dongzhimen di Pechino, in Cina, e sono stati sottoposti a esami del sangue standard dopo aver fornito il consenso informato. Lo studio è stato condotto secondo le linee guida del comitato etico istituzionale per la ricerca umana. Il raggruppamento dei dati e il contenuto dettagliato dei dati sono disponibili nella Tabella supplementare 1. Gli strumenti software utilizzati in questo studio sono elencati nella Tabella dei Materiali.

1. Raccolta e preparazione dei dati

NOTA: I globuli bianchi, i neutrofili e i linfociti sono stati selezionati come indicatori chiave della condizione immunitaria nei pazienti con sepsi. Questa scelta si basa su osservazioni cliniche consolidate secondo cui la conta dei linfociti tende ad essere soppressa e a diminuire gradualmente, mentre la conta dei neutrofili spesso oscilla nei pazienti con sepsi. Questi due tipi di cellule sono stati empiricamente riconosciuti come importanti marcatori dello stato immunitario nelle popolazioni di pazienti con sepsi. Tuttavia, la precisa relazione quantitativa tra questi parametri non è stata chiaramente riportata in letteratura. Pertanto, i globuli bianchi, i neutrofili e i linfociti sono stati scelti come punto di partenza per quantificare la condizione immunitaria nei pazienti con sepsi.

  1. Installazione del componente aggiuntivo MATLAB Spreadsheet Link for Excel.
    1. Apri Microsoft Excel e vai alla scheda Inserisci sulla barra multifunzione.
    2. Fare clic su Ottieni componenti aggiuntivi nella sezione Componenti aggiuntivi .
    3. Nella finestra di dialogo Componenti aggiuntivi di Office , cerca MATLAB Spreadsheet Link nella barra di ricerca.
    4. Individua l'add-in MATLAB Spreadsheet Link for Excel nei risultati della ricerca e fai clic sul pulsante Aggiungi .
    5. Leggi e accetta i termini e le condizioni, quindi fai clic su Continua per procedere con l'installazione.
    6. Se richiesto, accedi con un account MathWorks o crea un nuovo account per accedere al componente aggiuntivo.
    7. Una volta completata l'installazione, la scheda MATLAB Spreadsheet Link apparirà sulla barra multifunzione di Excel.
    8. Fai clic sulla scheda Collegamento foglio di calcolo MATLAB per verificare che l'add-in sia installato e pronto per l'uso.
  2. Invia i dati nell'area di lavoro MATLAB.
    1. Apri il foglio di calcolo contenente i dati dei pazienti affetti da sepsi, tra cui la conta dei globuli bianchi, la conta dei linfociti e la conta dei neutrofili.
    2. Assicurarsi che i dati siano organizzati in un formato strutturato, con ogni variabile (conta dei globuli bianchi, conta dei linfociti e conta dei neutrofili) in una colonna separata e ogni paziente in una riga separata.
    3. Selezionare l'intervallo di cellule contenenti la conta dei globuli bianchi, la conta dei linfociti e la conta dei neutrofili.
    4. Fai clic sulla scheda Collegamento foglio di calcolo MATLAB nella barra multifunzione di Excel.
    5. Nella scheda Collegamento foglio di calcolo MATLAB , fare clic sul pulsante Invia dati a MATLAB .
    6. Nella finestra di dialogo Invia dati a MATLAB , scegliere l'istanza MATLAB appropriata dal menu a discesa se sono in esecuzione più istanze.
    7. Specificare il nome della variabile per i dati nel campo Nome variabile . Ad esempio, sepsis_immune_data.
    8. Selezionare il tipo di dati desiderato per i dati importati in MATLAB (ad esempio, matrice numerica).
    9. Fare clic su OK per inviare i dati all'area di lavoro MATLAB.
    10. Passa all'applicazione MATLAB e verifica che i dati siano stati importati correttamente controllando l'area di lavoro per il nome della variabile specificata (ad esempio, sepsis_immune_data).
  3. Controllo dei dati in MATLAB
    1. Dopo aver inviato i dati del paziente con sepsi (conta dei globuli bianchi, conta dei linfociti e conta dei neutrofili) a MATLAB utilizzando l'add-in MATLAB Spreadsheet Link, passa all'applicazione MATLAB.
    2. Per controllare il contenuto dei dati importati, digitare il nome della variabile nella finestra di comando di MATLAB e premere Invio.

2. Visualizzazione tridimensionale di globuli bianchi, linfociti e neutrofili

  1. Generazione del grafico utilizzando la funzione Immune_scatter3
    1. La variabile A memorizza i dati immunitari dei pazienti con sepsi. Chiamare la funzione Immune_scatter3(A) per ottenere un'interfaccia utente grafica (GUI) che visualizza il grafico a dispersione tridimensionale dei campioni, come mostrato nella Figura 1.
      NOTA: L'errore di adattamento tra il piano tridimensionale e la distribuzione del campione nel grafico è molto piccolo. La sezione 3 fornirà la formula esatta.
  2. L'utilizzo della GUI
    1. Esplora e analizza il grafico a dispersione tridimensionale utilizzando le funzionalità interattive fornite dalla GUI generata.
      1. Ruota: fare clic e trascinare il grafico per ruotarlo nello spazio 3D, consentendo di visualizzare la distribuzione del campione da diverse angolazioni.
      2. Panoramica: fare clic con il pulsante destro del mouse e trascinare il grafico per spostarlo orizzontalmente o verticalmente, regolando l'area visibile del grafico.
      3. Zoom: utilizzare la rotellina del mouse o i controlli di zoom nella barra degli strumenti per ingrandire o ridurre il grafico, concentrandosi su regioni o campioni specifici.
      4. Cursore dati: fare clic sui singoli campioni per visualizzare i valori corrispondenti per globuli bianchi, linfociti e neutrofili.
        NOTA: Utilizzando queste funzionalità interattive, i medici possono ottenere informazioni sulle relazioni e sui modelli tra globuli bianchi, linfociti e neutrofili nei pazienti con sepsi, facilitando l'esplorazione e l'analisi dei dati immunitari.

3. La formula

  1. Nell'area di lavoro MATLAB, assegna la conta dei neutrofili, la conta dei linfociti e la conta dei globuli bianchi rispettivamente alle variabili X, Y e Z.
  2. Per ottenere l'espressione matematica precisa (formula 1; WBC = 1,098 × neutrofili + 1,046 × linfociti + 0,1645 (RMSE: 1%)) del piano tridimensionale nella Figura 1, richiamare il seguente comando:
    [fitresult, gof, output] = fit ([X, Y], Z, 'poly11')
    NOTA: Questa formula descrive quantitativamente la relazione tra globuli bianchi, neutrofili e linfociti nei pazienti con sepsi, fornendo una rappresentazione concisa e accurata dei dati immunitari.
  3. Per valutare la bontà dell'adattamento, calcolare l'errore quadratico medio normalizzato (NRMSE) utilizzando il seguente comando:
    gof.rmse / (max(Z) - min(Z))
    NOTA: Il valore NRMSE risultante dell'1% indica che il piano adattato (formula 1) si avvicina molto alla distribuzione effettiva del campione nello spazio tridimensionale. Questo basso livello di errore sottolinea l'affidabilità e la validità dell'espressione matematica ottenuta nel catturare le intricate relazioni tra i parametri immunitari nei pazienti con sepsi.

4. Condizione immunitaria nella sepsi

NOTA: Le mappe delle caratteristiche auto-organizzanti (SOFM) sono state impiegate per il clustering non supervisionato per identificare le condizioni immunitarie nei pazienti con sepsi.

  1. Richiamando la funzione Immune_Condition , generare cluster di punti campione sul piano tridimensionale rappresentato dalla formula 1, come illustrato nella Figura 2.
  2. Utilizzare le funzionalità di visualizzazione interattiva per la Figura 2 come descritto nel passaggio 2.2.
    NOTA: la Figura 2 mostra nove cluster automatizzati, etichettati da Cluster1 a Cluster9, derivati dall'approccio di apprendimento automatico non supervisionato di SOFM. Questa tecnica di clustering tiene conto sia della topologia spaziale che della densità dei campioni, consentendo l'identificazione di condizioni immunitarie distinte all'interno della popolazione di pazienti con sepsi.

5. Traiettorie tipiche dell'oscillazione immunitaria nella sepsi

  1. In base alla Figura 2, utilizzare il comando di attesa per mantenere la figura in uno stato sovrapponibile, quindi utilizzare i seguenti comandi per creare un grafico tridimensionale dei dati di traiettoria del paziente tipico.
    Aspettare
    per i=1: size(p,1)-1
    pausa (3); plot3(p (i: i+1,2), p (i: i+1,3), p (i: i+1,1),'k','Larghezza di linea',3);
    fine

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La progressione della sepsi coinvolge una complessa interazione tra il sistema immunitario umano e gli agenti patogeni invasori. Nella diagnosi clinica e nel trattamento, molta attenzione è focalizzata sugli indicatori di infezione, sui marcatori di funzione degli organi, sulle citochine, sulla rilevazione microbica e persino sul microbioma intestinale. Tuttavia, questo studio sottolinea l'importanza di tre indicatori immunitari comuni: globuli bianchi, n...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio presenta un approccio alla comprensione della condizione immunitaria nella sepsi sfruttando tecniche avanzate di visualizzazione dei dati e di apprendimento automatico. Scoprendo la relazione matematica tra le principali popolazioni di cellule immunitarie e identificando stati immunitari distinti, lo studio fornisce una nuova prospettiva sulle complesse dinamiche immunitarie nella sepsi e contribuisce allo sviluppo di strategie diagnostiche e terapeutiche più efficaci

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lo strumento software per i grafici di dispersione probabilistici per gli stati immunitari V1.0 è sviluppato e di proprietà di Beijing Intelligent Entropy Science & Technology Co., Ltd. Tutti i diritti di proprietà intellettuale di questo software sono di proprietà dell'azienda. Gli autori dichiarano di non avere conflitti di interesse.

Ringraziamenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio ha ricevuto sostegno da due fonti: il settimo lotto del Progetto di Eredità Maestro-Apprendista organizzato dall'Amministrazione Nazionale della Medicina Tradizionale Cinese della Cina (Numero di progetto: [2021] n. 272) e il Progetto di Miglioramento della Capacità di Ricerca sulla Medicina Cinese del 2024 dell'Ospedale di Medicina Cinese a livello municipale (SZY-NLTL-2024-003) dell'Amministrazione Provinciale di Medicina Tradizionale Cinese dello Shaanxi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
MATLABMathWorks 2022BInformatica e visualizzazione 
Grafici di dispersione probabilistici per gli stati immunitari Intelligente
  Entropia		Stati Immunitari V1.0Pechino Entropia Intelligente Scienza & Technology Co Ltd.
Modellazione per la fusione TC/MRI

Riferimenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Jarczak, D., Kluge, S., Nierhaus, A. Sepsis-pathophysiology and therapeutic concepts. Front Med (Lausanne). 8, 628302(2021).
  2. Cheung, G. Y. C., Bae, J. S., Otto, M. Pathogenicity and virulence of Staphylococcus aureus. Virulence. 12 (1), 547-569 (2021).
  3. Adelman, M. W., et al. The gut microbiome's role in the development, maintenance, and outcomes of sepsis. Crit Care. 24 (1), 278(2020).
  4. Kumar, V. Pulmonary innate immune response determines the outcome of inflammation during pneumonia and sepsis-associated acute lung injury. Front Immunol. 11, 1722(2020).
  5. Nakamori, Y., Park, E. J., Shimaoka, M. Immune deregulation in sepsis and septic shock: Reversing immune paralysis by targeting PD-1/PD-L1 pathway. Front Immunol. 11, 624279(2021).
  6. Van der Poll, T., Shankar-Hari, M., Wiersinga, W. J. The immunology of sepsis. Immunity. 54 (11), 2450-2464 (2021).
  7. Chaturvedi, V., et al. T-cell activation profiles distinguish hemophagocytic lymphohistiocytosis and early sepsis. Blood. 137 (17), 2337-2346 (2021).
  8. Reyes, M., et al. An immune-cell signature of bacterial sepsis. Nat Med. 26 (3), 333-340 (2020).
  9. Pant, A., Mackraj, I., Govender, T. Advances in sepsis diagnosis and management: a paradigm shift towards nanotechnology. J Biomed Sci. 28 (1), 6(2021).
  10. Kohonen, T. Essentials of the self-organizing map. Neural Netw. 37, 52-65 (2013).
  11. Yang, X., et al. The role of type 1 interferons in coagulation induced by gram-negative bacteria. Blood. 135 (14), 1087-1100 (2020).
  12. Zhang, Y. Y., Ning, B. T. Signaling pathways and intervention therapies in sepsis. Signal Transduct Target Ther. 6 (1), 407(2021).
  13. Baghela, A., et al. Predicting sepsis severity at first clinical presentation: The role of endotypes and mechanistic signatures. EBioMedicine. 75, 103776(2022).
  14. Yao, R. Q., et al. Publication trends of research on sepsis and host immune response during 1999-2019: A 20-year bibliometric analysis. Int J Biol Sci. 16 (1), 27-37 (2020).
  15. Owen, A. M., et al. TLR agonists as mediators of trained immunity: Mechanistic insight and immunotherapeutic potential to combat infection. Front Immunol. 11, 622614(2021).
  16. Jung, E., et al. The fetal inflammatory response syndrome: the origins of a concept, pathophysiology, diagnosis, and obstetrical implications. Semin Fetal Neonatal Med. 25 (4), 101146(2020).
  17. Bruno, M., et al. Transcriptional and functional insights into the host immune response against the emerging fungal pathogen Candida auris. Nat Microbiol. 5 (12), 1516-1531 (2020).
  18. Barichello, T., et al. Biomarkers for sepsis: more than just fever and leukocytosis-a narrative review. Crit Care. 26 (1), 14(2022).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Stati immunitari della sepsiglobuli bianchiconte dei linfociticonte dei neutrofilimodellizzazione matematicamappa auto organizzatriceclustering degli stati immunitarivisualizzazione dei datifitting tridimensionalequantificazione della risposta immunitaria

Articoli correlati