Name: Oparte na danych podejście do ilościowego określania stanów immunologicznych w sepsie (Wideo) | JoVE Journal
Uploaded: 2025-02-07T15:00:00.000+00:00
Duration: 7 min 42 s
Description: Poznaj metody ilościowego określania stanów immunologicznych w sepsie przy użyciu wizualizacji danych i dopasowania numerycznego 3D. To podejście pozwala zidentyfikować dziewięć odrębnych stanów odpornościowych i ulepszyć strategie leczenia.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

To badanie otrzymało wsparcie z dwóch źródeł: siódmej partii Projektu Dziedziczenia Mistrza-Ucznia zorganizowanego przez Narodową Administrację Tradycyjnej Medycyny Chińskiej Chin (numer projektu: [2021] Nr 272) oraz Projektu Zwiększenia Potencjału Badawczego Medycyny Chińskiej 2024 Szpitala Medycyny Chińskiej na poziomie miejskim (SZY-NLTL-2024-003) od Administracji Tradycyjnej Medycyny Chińskiej Prowincji Shaanxi.

To badanie bada stan immunologiczny u pacjentów z sepsą, badając relacje między białymi krwinkami, limfocytami i neutrofilami. Pacjenci zostali zapisani na oddział intensywnej terapii (OIOM) szpitala Dongzhimen w Pekinie w Chinach i przeszli standardowe badania krwi po wyrażeniu świadomej zgody. Badanie zostało przeprowadzone zgodnie z wytycznymi instytucjonalnej komisji etycznej ds. badań na ludziach. Grupowanie danych oraz szczegółową zawartość danych znajdują się w tabeli uzupełniającej 1. Narzędzia programowe wykorzystane w tym badaniu są wymienione w Tabeli Materiałów. 
1. Gromadzenie i przygotowanie danych
UWAGA: Białe krwinki, neutrofile i limfocyty zostały wybrane jako kluczowe wskaźniki stanu immunologicznego u pacjentów z sepsą. Wybór ten opiera się na dobrze ugruntowanych obserwacjach klinicznych, że liczba limfocytów ma tendencję do tłumienia i stopniowego zmniejszania, podczas gdy liczba neutrofili często oscyluje u pacjentów z sepsą. Te dwa typy komórek zostały empirycznie uznane za ważne markery stanu immunologicznego w populacjach pacjentów z sepsą. Jednak dokładny związek ilościowy między tymi parametrami nie został jasno opisany w literaturze. Dlatego wybrano białe krwinki, neutrofile i limfocyty jako punkt wyjścia do ilościowego określenia stanu immunologicznego u pacjentów z sepsą.
<ol>
	<li>Instalowanie dodatku MATLAB Spreadsheet Link for Excel.
	<ol>
		<li>Otwórz program Microsoft Excel i przejdź do karty Wstawianie na wstążce.</li>
		<li>Kliknij Pobierz dodatki w sekcji Dodatki.</li>
		<li>W oknie dialogowym Dodatki pakietu Office wyszukaj łącze do arkusza kalkulacyjnego MATLAB na pasku wyszukiwania.</li>
		<li>Znajdź dodatek MATLAB Spreadsheet Link for Excel w wynikach wyszukiwania i kliknij przycisk Dodaj.</li>
		<li>Przeczytaj i zaakceptuj warunki, a następnie kliknij przycisk Kontynuuj, aby kontynuować instalację.</li>
		<li>Jeśli pojawi się monit, zaloguj się na konto MathWorks lub utwórz nowe konto, aby uzyskać dostęp do dodatku.</li>
		<li>Po zakończeniu instalacji na wstążce programu Excel pojawi się karta Łącze do arkusza kalkulacyjnego MATLAB.</li>
		<li>Kliknij kartę Link do arkusza kalkulacyjnego MATLAB, aby sprawdzić, czy dodatek jest zainstalowany i gotowy do użycia.</li>
	</ol>
	</li>
	<li>Wyślij dane do obszaru roboczego programu MATLAB.
	<ol>
		<li>Otwórz arkusz kalkulacyjny zawierający dane pacjenta z sepsą, w tym liczbę białych krwinek, liczbę limfocytów i liczbę neutrofili</li>.
		<li>Upewnij się, że dane są zorganizowane w ustrukturyzowanym formacie, z każdą zmienną (liczba białych krwinek, liczba limfocytów i liczba neutrofili) w osobnej kolumnie, a każdy pacjent w osobnym wierszu.</li>
		<li>Wybierz zakres komórek zawierających liczbę białych krwinek, liczbę limfocytów i liczbę neutrofili</li>.
		<li>Kliknij kartę Link do arkusza kalkulacyjnego MATLAB na wstążce programu Excel.</li>
		<li>Na karcie Łącze do arkusza kalkulacyjnego MATLAB kliknij przycisk Wyślij dane do MATLAB.</li>
		<li>W oknie dialogowym Wyślij dane do programu MATLAB wybierz odpowiednie wystąpienie programu MATLAB z menu rozwijanego, jeśli uruchomionych jest wiele wystąpień.</li>
		<li>Określ nazwę zmiennej dla danych w polu Nazwa zmiennej. Na przykład sepsis_immune_data.</li>
		<li>Wybierz żądany typ danych dla importowanych danych w MATLAB (np. macierz numeryczna).</li>
		<li>Kliknij przycisk OK, aby wysłać dane do obszaru roboczego programu MATLAB.</li>
		<li>Przełącz się do aplikacji MATLAB i sprawdź, czy dane zostały pomyślnie zaimportowane, sprawdzając obszar roboczy pod kątem określonej nazwy zmiennej (np. sepsis_immune_data).</li>
	</ol>
	</li>
	<li>Sprawdzanie danych w MATLABie
	<ol>
		<li>Po wysłaniu danych pacjenta z sepsą (liczba białych krwinek, liczba limfocytów i liczba neutrofili) do MATLAB za pomocą dodatku MATLAB Spreadsheet Link przełącz się na aplikację MATLAB.</li>
		<li>Aby sprawdzić zawartość zaimportowanych danych, wpisz nazwę zmiennej w oknie poleceń MATLAB i naciśnij Enter.</li>
	</ol>
	</li>
</ol>
2. Trójwymiarowa wizualizacja białych krwinek, limfocytów i neutrofili
<ol>
	<li>Generowanie wykresu za pomocą funkcji Immune_scatter3
	<ol>
		<li>Zmienna A przechowuje dane immunologiczne pacjentów z sepsą. Wywołaj funkcję Immune_scatter3(A), aby uzyskać graficzny interfejs użytkownika (GUI) wyświetlający trójwymiarowy wykres punktowy próbek, jak pokazano w Rysunek 1. 
		UWAGA: Błąd dopasowania między płaszczyzną trójwymiarową a rozkładem próbki na wykresie jest bardzo mały. Sekcja 3 zawiera dokładny wzór.</li>
	</ol>
	</li>
	<li>Użycie graficznego interfejsu użytkownika 
	<ol>
		<li>Eksploruj i analizuj trójwymiarowy wykres punktowy, korzystając z interaktywnych funkcji udostępnianych przez wygenerowany graficzny interfejs użytkownika.
		<ol>
			<li>Obróć: Kliknij i przeciągnij wykres, aby obrócić go w przestrzeni 3D, umożliwiając oglądanie rozkładu próbki pod różnymi kątami.</li>
			<li>Panoramowanie: Kliknij prawym przyciskiem myszy i przeciągnij wykres, aby przesunąć go w poziomie lub w pionie, dostosowując widoczny obszar wykresu.</li>
			<li>Powiększenie: Użyj kółka myszy lub elementów sterujących powiększeniem na pasku narzędzi, aby powiększyć lub pomniejszyć wykres, skupiając się na określonych regionach lub próbkach.</li>
			<li>Kursor danych: Kliknij na poszczególne próbki, aby wyświetlić odpowiadające im wartości dla białych krwinek, limfocytów i neutrofili. 
			UWAGA: Wykorzystując te interaktywne funkcje, klinicyści mogą uzyskać wgląd w relacje i wzorce między białymi krwinkami, limfocytami i neutrofilami u pacjentów z sepsą, ułatwiając eksplorację i analizę danych immunologicznych.</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
3. Formuła 
<ol>
	<li>W obszarze roboczym programu MATLAB przypisz liczbę neutrofili, liczbę limfocytów i liczbę białych krwinek odpowiednio do zmiennych X, Y i Z.</li>
	<li>Aby uzyskać dokładne wyrażenie matematyczne (wzór 1; WBC = 1,098 × neutrofile + 1,046 × limfocyty + 0,1645 (RMSE: 1%)) płaszczyzny trójwymiarowej na rysunku 1 wywołaj następujące polecenie: 
	[fitresult, gof, wyjście] = fit ([X, Y], Z, 'poly11') 
	UWAGA: Ta formuła ilościowo opisuje związek między białymi krwinkami, neutrofilami i limfocytami u pacjentów z sepsą, zapewniając zwięzłe i dokładne przedstawienie danych immunologicznych.</li>
	<li>Aby ocenić dobroć dopasowania, oblicz znormalizowany błąd średniokwadratowy (NRMSE) za pomocą następującego polecenia: 
	gof.rmse / (max(Z) - min(Z)) 
	UWAGA: Wynikowa wartość NRMSE wynosząca 1% wskazuje, że dopasowana płaszczyzna (wzór 1) jest ściśle zbliżona do rzeczywistego rozkładu próbki w przestrzeni trójwymiarowej. Ten niski poziom błędu podkreśla wiarygodność i trafność uzyskanego wyrażenia matematycznego w uchwyceniu skomplikowanych relacji między parametrami immunologicznymi u pacjentów z sepsą.</li>
</ol>
4. Stan immunologiczny w sepsie 
UWAGA: Samoorganizujące się Mapy Cech (SOFM) zostały wykorzystane do nienadzorowanego grupowania w celu identyfikacji chorób immunologicznych u pacjentów z sepsą.
<ol>
	<li>Wywołując funkcję Immune_Condition, wygeneruj klastry punktów próbkowania na trójwymiarowej płaszczyźnie reprezentowanej przez formułę 1, jak pokazano na rysunku Rysunek 2.</li>
	<li>Użyj interaktywnych funkcji wizualizacji dla Rysunek 2 zgodnie z opisem w kroku 2.2. 
	UWAGA: Rysunek 2 przedstawia dziewięć zautomatyzowanych klastrów, oznaczonych jako Cluster1 do Cluster9, wywodzących się z podejścia SOFM do nienadzorowanego uczenia maszynowego. Ta technika grupowania uwzględnia zarówno topologię przestrzenną, jak i gęstość próbek, umożliwiając identyfikację różnych chorób immunologicznych w populacji pacjentów z sepsą.</li>
</ol>
5. Typowe trajektorie oscylacji immunologicznej w sepsie 
<ol>
	<li>Na podstawie Rysunek 2, użyj polecenia hold on, aby utrzymać figurę w stanie, który można nałożyć, a następnie użyj następujących poleceń, aby utworzyć trójwymiarowy wykres danych trajektorii typowego pacjenta. 
	Trzymaj się 
	dla i=1: rozmiar(p,1)-1 
	pauza (3); plot3(p (i: i+1,2), p (i: i+1,3), p (i: i+1,1),'k','Szerokość linii',3); 
	koniec</li>
</ol>

<ol><li>Jarczak, D., Kluge, S., Nierhaus, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sepsis-pathophysiology+and+therapeutic+concepts%5BTitle%5D)+AND+%22Front+Med+%28Lausanne%29%22%5BJournal%5D)">Sepsis-pathophysiology and therapeutic concepts.</a> Front Med (Lausanne). 8, 628302(2021).</li>
<li>Cheung, G. Y. C., Bae, J. S., Otto, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pathogenicity+and+virulence+of+Staphylococcus+aureus%5BTitle%5D)+AND+%22Virulence%22%5BJournal%5D)">Pathogenicity and virulence of Staphylococcus aureus.</a> Virulence. 12 (1), 547-569 (2021).</li>
<li>Adelman, M. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+gut+microbiome%27s+role+in+the+development%2C+maintenance%2C+and+outcomes+of+sepsis%5BTitle%5D)+AND+%22Crit+Care%22%5BJournal%5D)">The gut microbiome's role in the development, maintenance, and outcomes of sepsis.</a> Crit Care. 24 (1), 278(2020).</li>
<li>Kumar, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pulmonary+innate+immune+response+determines+the+outcome+of+inflammation+during+pneumonia+and+sepsis-associated+acute+lung+injury%5BTitle%5D)+AND+%22Front+Immunol%22%5BJournal%5D)">Pulmonary innate immune response determines the outcome of inflammation during pneumonia and sepsis-associated acute lung injury.</a> Front Immunol. 11, 1722(2020).</li>
<li>Nakamori, Y., Park, E. J., Shimaoka, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immune+deregulation+in+sepsis+and+septic+shock%3A+Reversing+immune+paralysis+by+targeting+PD-1%2FPD-L1+pathway%5BTitle%5D)+AND+%22Front+Immunol%22%5BJournal%5D)">Immune deregulation in sepsis and septic shock: Reversing immune paralysis by targeting PD-1/PD-L1 pathway.</a> Front Immunol. 11, 624279(2021).</li>
<li>Van der Poll, T., Shankar-Hari, M., Wiersinga, W. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+immunology+of+sepsis%5BTitle%5D)+AND+%22Immunity%22%5BJournal%5D)">The immunology of sepsis.</a> Immunity. 54 (11), 2450-2464 (2021).</li>
<li>Chaturvedi, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((T-cell+activation+profiles+distinguish+hemophagocytic+lymphohistiocytosis+and+early+sepsis%5BTitle%5D)+AND+%22Blood%22%5BJournal%5D)">T-cell activation profiles distinguish hemophagocytic lymphohistiocytosis and early sepsis.</a> Blood. 137 (17), 2337-2346 (2021).</li>
<li>Reyes, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+immune-cell+signature+of+bacterial+sepsis%5BTitle%5D)+AND+%22Nat+Med%22%5BJournal%5D)">An immune-cell signature of bacterial sepsis.</a> Nat Med. 26 (3), 333-340 (2020).</li>
<li>Pant, A., Mackraj, I., Govender, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+sepsis+diagnosis+and+management%3A+a+paradigm+shift+towards+nanotechnology%5BTitle%5D)+AND+%22J+Biomed+Sci%22%5BJournal%5D)">Advances in sepsis diagnosis and management: a paradigm shift towards nanotechnology.</a> J Biomed Sci. 28 (1), 6(2021).</li>
<li>Kohonen, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Essentials+of+the+self-organizing+map%5BTitle%5D)+AND+%22Neural+Netw%22%5BJournal%5D)">Essentials of the self-organizing map.</a> Neural Netw. 37, 52-65 (2013).</li>
<li>Yang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+type+1+interferons+in+coagulation+induced+by+gram-negative+bacteria%5BTitle%5D)+AND+%22Blood%22%5BJournal%5D)">The role of type 1 interferons in coagulation induced by gram-negative bacteria.</a> Blood. 135 (14), 1087-1100 (2020).</li>
<li>Zhang, Y. Y., Ning, B. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signaling+pathways+and+intervention+therapies+in+sepsis%5BTitle%5D)+AND+%22Signal+Transduct+Target+Ther%22%5BJournal%5D)">Signaling pathways and intervention therapies in sepsis.</a> Signal Transduct Target Ther. 6 (1), 407(2021).</li>
<li>Baghela, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+sepsis+severity+at+first+clinical+presentation%3A+The+role+of+endotypes+and+mechanistic+signatures%5BTitle%5D)+AND+%22EBioMedicine%22%5BJournal%5D)">Predicting sepsis severity at first clinical presentation: The role of endotypes and mechanistic signatures.</a> EBioMedicine. 75, 103776(2022).</li>
<li>Yao, R. Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Publication+trends+of+research+on+sepsis+and+host+immune+response+during+1999-2019%3A+A+20-year+bibliometric+analysis%5BTitle%5D)+AND+%22Int+J+Biol+Sci%22%5BJournal%5D)">Publication trends of research on sepsis and host immune response during 1999-2019: A 20-year bibliometric analysis.</a> Int J Biol Sci. 16 (1), 27-37 (2020).</li>
<li>Owen, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((TLR+agonists+as+mediators+of+trained+immunity%3A+Mechanistic+insight+and+immunotherapeutic+potential+to+combat+infection%5BTitle%5D)+AND+%22Front+Immunol%22%5BJournal%5D)">TLR agonists as mediators of trained immunity: Mechanistic insight and immunotherapeutic potential to combat infection.</a> Front Immunol. 11, 622614(2021).</li>
<li>Jung, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+fetal+inflammatory+response+syndrome%3A+the+origins+of+a+concept%2C+pathophysiology%2C+diagnosis%2C+and+obstetrical+implications%5BTitle%5D)+AND+%22Semin+Fetal+Neonatal+Med%22%5BJournal%5D)">The fetal inflammatory response syndrome: the origins of a concept, pathophysiology, diagnosis, and obstetrical implications.</a> Semin Fetal Neonatal Med. 25 (4), 101146(2020).</li>
<li>Bruno, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transcriptional+and+functional+insights+into+the+host+immune+response+against+the+emerging+fungal+pathogen+Candida+auris%5BTitle%5D)+AND+%22Nat+Microbiol%22%5BJournal%5D)">Transcriptional and functional insights into the host immune response against the emerging fungal pathogen Candida auris.</a> Nat Microbiol. 5 (12), 1516-1531 (2020).</li>
<li>Barichello, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biomarkers+for+sepsis%3A+more+than+just+fever+and+leukocytosis-a+narrative+review%5BTitle%5D)+AND+%22Crit+Care%22%5BJournal%5D)">Biomarkers for sepsis: more than just fever and leukocytosis-a narrative review.</a> Crit Care. 26 (1), 14(2022).</li>
</ol>

Narzędzie programowe dla probabilistycznych wykresów punktowych dla stanów immunologicznych V1.0 zostało opracowane i jest własnością Beijing Intelligent Entropy Science & Technology Co., Ltd. Wszelkie prawa własności intelektualnej do tego oprogramowania należą do firmy. Autorzy deklarują brak konfliktu interesów.

Badanie to przedstawia podejście do zrozumienia stanu immunologicznego w sepsie poprzez wykorzystanie zaawansowanych technik wizualizacji danych i uczenia maszynowego. Odkrywając matematyczne powiązania między kluczowymi populacjami komórek odpornościowych i identyfikując odrębne stany odpornościowe, badanie zapewnia nową perspektywę na złożoną dynamikę immunologiczną w sepsie i przyczynia się do opracowania skuteczniejszych strategii diagnostycznych i terapeutycznych 11,12<sup class="x...

Sepsa, zagrażająca życiu dysfunkcja narządu spowodowana rozregulowaną reakcją gospodarza na infekcję, pozostaje znaczącym wyzwaniem w medycynie intensywnej terapii1. Pomimo postępów w zrozumieniu patofizjologii sepsy, złożona interakcja między układem odpornościowym a patogenami nadal stwarza trudności w skutecznym diagnozowaniu i leczeniu tego schorzenia2. Obecne podejścia kliniczne często koncentrują się na monitorowaniu wskaźników infekcji, funkcji narządów, cytokin, wykrywania drobnoustrojów i mikrobiomu jelitowego3. Rośnie jednak świadomość kluczowej roli, jaką odgrywają komórki odpornościowe, zwłaszcza białe krwinki, limfocyty i neutrofile, w progresji i ustąpieniu sepsy4.
Podczas przebiegu sepsy układ odpornościowy przechodzi złożoną serię zmian, charakteryzujących się początkową fazą hiperzapalną, po której następuje przedłużona faza immunosupresyjna5. Wczesna faza charakteryzuje się gwałtownym wzrostem liczby neutrofili i jednoczesnym spadkiem populacji limfocytów, co odzwierciedla aktywację wrodzonych odpowiedzi immunologicznych i tłumienie odporności adaptacyjnej6. W miarę postępu choroby poziomy neutrofili mogą oscylować lub ulegać wyczerpaniu, podczas gdy liczba limfocytów nadal spada, co prowadzi do stanu immunosupresji, który czyni pacjentów podatnymi na wtórne infekcje7. Zrozumienie dynamicznej interakcji między tymi populacjami komórek odpornościowych ma kluczowe znaczenie dla dokładnej oceny stanu immunologicznego pacjentów z sepsą i opracowania ukierunkowanych interwencji.
Tradycyjne podejścia do analizy liczby komórek odpornościowych w sepsie opierały się na analizach jedno- lub dwuwymiarowych, które nie były w stanie uchwycić złożonych relacji między wieloma parametrami immunologicznymi8. Ostatnie postępy w wizualizacji danych i technikach uczenia maszynowego otworzyły nowe możliwości eksploracji wielowymiarowych danych immunologicznych9. W szczególności trójwymiarowa wizualizacja wykresów punktowych i samoorganizujące się mapy cech (SOFM)10 okazały się obiecujące w odkrywaniu ukrytych wzorców i identyfikowaniu różnych stanów immunologicznych w różnych kontekstach chorobowych.
To badanie ma na celu zbadanie stanu immunologicznego u pacjentów z sepsą poprzez analizę ilościowych relacji między białymi krwinkami, limfocytami i neutrofilami za pomocą zaawansowanych technik wizualizacji danych i grupowania. Hipoteza jest taka, że te populacje komórek odpornościowych są ograniczone w trójwymiarowej przestrzeni rządzonej przez leżącą u podstaw zależność matematyczną. Odkrywając ten związek i identyfikując różne stany immunologiczne za pomocą SOFM, badanie ma na celu zapewnienie ram dla zrozumienia dynamicznych stanów immunologicznych w sepsie i ułatwienie podejmowania decyzji klinicznych.
Podejście polega na pobraniu próbek krwi od 512 pacjentów z sepsą przyjętych na oddział intensywnej terapii (OIOM) oraz od 205 zdrowych osób, w sumie 717 próbek. Badana populacja obejmowała zarówno mężczyzn (54,3%), jak i kobiety (45,7%) w wieku od 35 do 100 lat (średnia wieku: 73,5 lat). Trójwymiarowa wizualizacja wykresu punktowego i dopasowanie numeryczne są stosowane w celu ustalenia modelu matematycznego opisującego wzajemne oddziaływanie między białymi krwinkami, limfocytami i neutrofilami zarówno u pacjentów z sepsą, jak i zdrowych osób z grupy kontrolnej. SOFM jest następnie wykorzystywany do automatycznego grupowania danych próbki sepsy w przestrzeni trójwymiarowej, uzyskując różne stany odpornościowe. Porównując profile immunologiczne i rozkłady przestrzenne pacjentów z sepsą z profilami i rozkładami przestrzennymi osób zdrowych w granicach ograniczeń reprezentowanych przez model matematyczny, badanie ma na celu uzyskanie wglądu w patofizjologiczne mechanizmy leżące u podstaw sepsy i zidentyfikowanie potencjalnych celów terapii immunomodulujących.
Dostarczając ilościową metodę oceny stanu immunologicznego pacjentów z sepsą, podejście to mogłoby umożliwić bardziej precyzyjne określenie stopnia zaawansowania choroby i pomóc w wyborze odpowiednich interwencji. Co więcej, identyfikacja różnych stanów immunologicznych za pomocą SOFM może stanowić podstawę dla przyszłych badań nad spersonalizowanymi metodami immunoterapii dostosowanymi do specyficznych profili immunologicznych poszczególnych pacjentów.
Podsumowując, to badanie przedstawia podejście do zrozumienia stanu immunologicznego w sepsie poprzez wykorzystanie zaawansowanej wizualizacji danych i technik uczenia maszynowego. Odkrywając matematyczny związek między kluczowymi populacjami komórek odpornościowych u pacjentów z sepsą a zdrowymi osobami z grupy kontrolnej oraz identyfikując różne stany immunologiczne u pacjentów z sepsą, badanie zapewnia nową perspektywę na złożoną dynamikę immunologiczną w sepsie. Takie podejście umożliwia bardziej precyzyjną ocenę stanu chorobowego (Different Clusters) i może pomóc w doborze odpowiednich interwencji, ostatecznie przyczyniając się do opracowania skuteczniejszych strategii diagnostycznych i terapeutycznych.

<table><tbody><tr><td>MATLAB</td><td>MathWorks&nbsp;</td><td>2022B</td><td>Obliczenia i wizualizacja&nbsp;</td></tr><tr><td>Probabilistyczne wykresy punktowe dla stanów immunologicznych</td><td>&nbsp; Inteligentny &nbsp; Stany odpornościowe entropii</td><td>V1.0</td><td>Pekin Inteligentna nauka o entropii i Technology Co Ltd. Modelowanie do fuzji CT/MRI</td></tr></tbody></table>

oparte na danych podejście do ilościowego określania stanów immunologicznych w sepsie

A Data-Driven Approach to Quantifying Immune States in Sepsis

W sepsie zrozumienie wzajemnych oddziaływań między białymi krwinkami, limfocytami i neutrofilami jest kluczowe dla oceny stanu immunologicznego i optymalizacji strategii leczenia. Próbki krwi pobrano od 512 pacjentów, u których zdiagnozowano sepsę i 205 zdrowych osób z grupy kontrolnej, w sumie 717 próbek. Przeprowadzono analizę wizualizacji danych i trójwymiarowe dopasowanie numeryczne w celu stworzenia modelu matematycznego opisującego relacje między białymi krwinkami, limfocytami i neutrofilami. Samoorganizująca się mapa cech (SOFM) została wykorzystana do automatycznego grupowania danych próbki sepsy w trójwymiarowej przestrzeni reprezentowanej przez model, uzyskując różne stany odpornościowe. 
Analiza wykazała, że liczba białych krwinek, limfocytów i neutrofili jest ograniczona w płaszczyźnie trójwymiarowej, jak opisuje równanie: WBC = 1,098 × neutrofili + 1,046 × limfocytów + 0,1645, co daje błąd przewidywania (RMSE) równy 1%. Równanie to ma uniwersalne zastosowanie do wszystkich próbek, pomimo różnic w ich rozkładach przestrzennych. Grupowanie SOFM zidentyfikowało dziewięć odrębnych stanów immunologicznych w populacji pacjentów z sepsą, reprezentujących różne poziomy statusu immunologicznego, okresy oscylacji i etapy rekonwalescencji. 
Proponowany model matematyczny, reprezentowany przez powyższe równanie, ujawnia podstawową granicę ograniczeń dla populacji komórek odpornościowych zarówno u pacjentów z sepsą, jak i zdrowych osób z grupy kontrolnej. Co więcej, podejście grupowe SOFM zapewnia kompleksowy przegląd różnych stanów immunologicznych obserwowanych w tej granicy ograniczeń u pacjentów z sepsą. Badanie to stanowi podstawę dla przyszłych prac nad ilościowym określeniem i kategoryzacją stanu immunologicznego w sepsi, co może ostatecznie przyczynić się do opracowania bardziej obiektywnych strategii diagnostycznych i leczniczych.

Progresja sepsy obejmuje złożone oddziaływanie między ludzkim układem odpornościowym a naciekającymi patogenami. W diagnostyce klinicznej i leczeniu dużą uwagę poświęca się wskaźnikom infekcji, markerom funkcji narządowych, cytokinom, wykrywaniu drobnoustrojów, a nawet mikrobiomowi jelitowemu. Jednakże niniejsze badanie podkreśla znaczenie trzech powszechnych wskaźników odpornościowych: białych krwinek, neutrofili oraz limfocytów, co ma swoje uzasadnienie. Badania wykazały, że procesowi p...

To badanie bada stan immunologiczny w sepsie poprzez analizę ilościowych relacji między białymi krwinkami, limfocytami i neutrofilami u pacjentów z sepsą i zdrowych osób z grupy kontrolnej, wykorzystując analizę wizualizacji danych i trójwymiarowe dopasowanie numeryczne w celu ustalenia modelu matematycznego.

Oparte na danych podejście do ilościowego określania stanów immunologicznych w sepsie

In sepsis, understanding the interplay among white blood cells, lymphocytes, and neutrophils is crucial for assessing the immune condition and optimizing ...

Nasze badania określają ilościowo stany immunologiczne w sepsie poprzez analizę relacji między WBC, limfocytami i neutrofilami za pomocą wizualizacji danych i dopasowania numerycznego 3D. Naszym celem jest ustalenie ograniczeń matematycznych i zidentyfikowanie różnych stanów odpornościowych, aby poprawić monitorowanie choroby i strategie leczenia. Ustaw nacisk na rozwój górskiego monitora immunologicznego parametrów w stabilnej sepsie.Nasze podejście obejmuje linie modeli matematycznych sepsy w połączeniu z uczeniem maszynowym w celu ilościowego określenia stanów odpornościowych, doradztwa wykraczającego poza tradycyjną jednozmienną, analizy wskaźników infekcji i markerów dysfunkcji narządów. Kluczowa technologia obejmuje trzy dane demonstracyjne, czy to relacje z wyblakłymi mapami, FOFM dla serwerów w chmurze. Numeryczne metody zanikania i interaktywna wizualizacja w fazach.Umożliwiają one jakościową analizę zależności między neumolilem a identyfikacją stanu. Głównym wyzwaniem jest gromadzenie danych o standardowej gęstości w różnych populacjach pacjentów. Doceń datowanie ręczne plus fikcję i opracowanie solidnych metali matematycznych, które dokładnie oddają dynamiczną naturę odpowiedzi immunologicznej w sepsie.Dla reszty walidacji afektów klasy immunologicznej w większych kohortach. Inwestowanie w powiązania danych z innymi markerami i opracowywanie metalu predykcyjnego dla postępu choroby w oparciu o trajektorie immunologiczne. Aby rozpocząć, uruchom program Microsoft Excel na komputerze stacjonarnym.Przejdź do ikony wstawiania na wstążce i kliknij więcej poleceń, a następnie pobierz dodatki w sekcji dodatków. W oknie dialogowym dodatków pakietu Office wyszukaj link do arkusza kalkulacyjnego MATLAB na pasku wyszukiwania. Znajdź link do arkusza kalkulacyjnego MATLAB dla dodatku Excel w wynikach wyszukiwania i kliknij przycisk Przejdź.Aktywuj link do arkusza kalkulacyjnego i prześlij kod dodatku. Następnie kliknij zakładkę linku do arkusza kalkulacyjnego MATLAB, aby potwierdzić, że dodatek jest gotowy do użycia. Aby zaimportować dane do oceny ilościowej sepsy, otwórz arkusz kalkulacyjny zawierający dane pacjenta z sepsą, które obejmują liczbę białych krwinek, liczbę limfocytów i liczbę neutrofili.Następnie wybierz zakres komórek zawierających liczbę białych krwinek, liczbę limfocytów i liczbę neutrofili. Kliknij kartę łącza do arkusza kalkulacyjnego MATLAB na wstążce programu Excel i kliknij przycisk wyślij dane do MATLAB. Następnie wybierz odpowiednią instancję MATLAB z menu rozwijanego w oknie dialogowym wysyłania danych do MATLAB, jeśli uruchomionych jest wiele instancji.Określ nazwę zmiennej dla danych w polu nazwy zmiennej i naciśnij OK. Aby sprawdzić zawartość zaimportowanych danych w programie MATLAB, naciśnij Enter. Aby rozpocząć, uruchom aplikację MATLAB w systemie komputerowym.Wywołaj funkcję immune_scatter 3A w MATLAB, gdzie A jest zmienną przechowującą dane immunologiczne pacjentów z sepsą. Spowoduje to wygenerowanie graficznego interfejsu użytkownika lub graficznego interfejsu użytkownika wyświetlającego trójwymiarowy wykres punktowy próbek. Aby eksplorować wykres punktowy 3D, kliknij i przeciągnij wykres, aby obrócić go w przestrzeni trójwymiarowej.Kliknij prawym przyciskiem myszy i przeciągnij, aby przesunąć w poziomie lub w pionie, albo użyj kółka myszy lub elementów sterujących paska narzędzi, aby powiększyć lub pomniejszyć określone regiony. Kliknij na poszczególne punkty, aby wyświetlić odpowiadające im wartości dla białych krwinek, limfocytów i neutrofili. Następnie w przestrzeni roboczej MATLAB przypisz liczbę neutrofili, liczbę limfocytów i liczbę białych krwinek odpowiednio do zmiennych X, Y i Z.Dopasuj dane za pomocą polecenia wyświetlanego na ekranie, aby wygenerować model wielomianowy. Aby ocenić dobroć dopasowania, oblicz znormalizowany pierwiastek oznacza błąd kwadratowy za pomocą pokazanego polecenia. Teraz użyj funkcji warunku immunologicznego, aby wygenerować klastry punktów próbkowania na płaszczyźnie trójwymiarowej.Wizualizację tych klastrów można wykorzystać za pomocą opisanych wcześniej funkcji interaktywnych, takich jak obracanie, przesuwanie, powiększanie i kursor danych. Następnie użyj polecenia przytrzymania, aby utrzymać figurę w stanie, który można nałożyć. Następnie za pomocą przedstawionych poleceń wygeneruj trójwymiarowy wykres danych trajektorii typowego pacjenta.Trójwymiarowy wykres rozrzutu rozproszonego ujawnił, że punkty próbek białych krwinek, neutrofili i limfocytów leżą na płaszczyźnie z bardzo małym błędem. Samoorganizująca się mapa cech lub analiza SOFM zidentyfikowała dziewięć różnych stanów immunologicznych na podstawie grupowania liczby białych krwinek, neutrofili i limfocytów. Klastry pierwsze, drugie i cztery reprezentowały podwyższoną aktywność immunologiczną charakteryzującą się podwyższoną liczbą zarówno neutrofili, jak i limfocytów, podczas gdy klastry 3, 5, 6 i 9 odzwierciedlały stany oscylacji immunologicznej.Klaster ósmy został zidentyfikowany jako stan zmniejszonej aktywności immunologicznej, potencjalnie oznaczający immunosupresję lub fazę powrotu do zdrowia po zakażeniu, podczas gdy klaster siódmy prawdopodobnie reprezentował pacjentów w fazie rekonwalescencji, wykazujących poprawę funkcji immunologicznej.

a-data-driven-approach-to-quantifying-immune-states-in-sepsis

Research

JoVE Journal

Medicine

Medycyna

Podejście oparte na danych do ilościowego określania stanów odpornościowych w sepsie

Mysi model podwiązania i perforacji kątnicy jako wartościowe narzędzie do badania sepsy u ludzi.

Procedura ligacji i punkcji kątnicy

Eksperymentalna sepsa może być wywołana u myszy za pomocą metody podwiązania i nakłucia jelita ślepego (CLP). Aktualne protokoły oceny autofagii in vivo w kontekście sepsy wywołanej CLP przedstawiono tutaj: Protokół pomiaru autofagii przy użyciu myszy (GFP)-LC3 oraz protokół pomiaru tworzenia autofagosomów za pomocą mikroskopii elektronowej.

Podwiązanie jelita ślepego i sepsa wywołana nakłuciem jako model do badania autofagii u myszy

Ten protokół opisuje techniki pomiaru wyników infekcji leżących u podstaw wtórnych zakażeń szpitalnych w stanie immunosupresyjnym, najpierw poprzez ustalenie podwiązania/nakłucia jelita ślepego, a następnie prowokację ich infekcją donosową, aby stworzyć klinicznie istotny model sepsy immunosupresyjnej.

Projektowanie podwiązania i nakłucia jelita ślepego oraz podwójnego modelu infekcji donosowej immunosupresji wywołanej sepsą

Zakażenie noworodków myszy bioluminescencyjnym E. coli O1:K1:H7 powoduje infekcję septyczną ze znacznym zapaleniem płuc i patologią płuc. W tym miejscu opisano procedury modelowania i dalszego badania sepsy noworodków za pomocą podłużnego obrazowania przyżyciowego równolegle z wyliczaniem ogólnoustrojowych obciążeń bakteryjnych, profilowaniem stanu zapalnego i histopatologią płuc.

Noworodkowy model obrazowania posocznicy bakteryjnej Gram-ujemnej

Tutaj prezentujemy powtarzalny model endotoksyny zorientowany na oddział intensywnej terapii u szczurów.

Powtarzalny model endotoksyny zorientowany na oddział intensywnej terapii u szczurów

Ten protokół przedstawia szczegóły operacyjne podwiązania i nakłucia jelita ślepego (CLP) w mysim modelu sepsy. CLP jest jedną z najczęściej stosowanych technik tworzenia zwierzęcego modelu sepsy. W związku z tym do uzyskania wiarygodnych wyników badań wymagany jest ustandaryzowany protokół CLP.

Ocena wiarygodnego biomarkera w mysim modelu sepsy wywołanym podwiązaniem i nakłuciem jelita ślepego

Szczegółowo opisujemy nowy cewnik do fluorescencji w bliskiej podczerwieni (NIRF), służący do dwuwymiarowego wewnątrznaczyniowego obrazowania molekularnego biologii blaszki miażdżycowej in vivo. Cewnik NIRF umożliwia wizualizację kluczowych procesów biologicznych, takich jak zapalenie, poprzez wykrywanie obecności aktywowalnych i celowanych fluorochromów NIR wykazujących powinowactwo do blaszki miażdżycowej. Cewnik spełnia wymogi inżynieryjne i energetyczne stosowane w klinice i jest...

In vivo wewnątrznaczyniowe obrazowanie molekularne blaszek zapalnych z wykorzystaniem fluorescencji w bliskiej podczerwieni (NIRF) – multimodalne podejście do obrazowania miażdżycy

Termoplastyka oskrzeli to niefarmakologiczna procedura stosowana w ciężkiej astmie utrwalonej, która polega na dostarczaniu energii termicznej do ściany dróg oddechowych w precyzyjnie kontrolowany sposób w celu redukcji nadmiernej masy mięśni gładkich oskrzeli. Zmniejszenie masy mięśni gładkich ogranicza zdolność dróg oddechowych do kurczenia się, co w konsekwencji zmniejsza częstotliwość napadów astmy.

Termoplastyka oskrzeli: nowatorskie podejście terapeutyczne w ciężkiej astmie

Sepsis to zespół ogólnoustrojowej reakcji zapalnej wynikający z infekcji mikrobiologicznej, który można symulować za pomocą techniki chirurgicznej zwanej podwiązaniem i nakłuciem kątnicy (CLP). W niniejszym opracowaniu opisujemy metodę wykorzystania modelu zwierzęcego indukowanego CLP do przesiewowego badania ziół leczniczych w celu poszukiwania czynników terapeutycznych.

Wykorzystanie modelu zwierzęcego sepsy do oceny nowych terapii ziołowych

Technika wykorzystująca mikroskopię 2-fotonową intavital o wysokiej rozdzielczości do bezpośredniej wizualizacji i ilościowego określenia filtracji gloemrarnej w kłębuszkach nerkowych na powierzchni. Metoda ta pozwala na bezpośrednie określenie charakterystyk przepuszczalności makrocząsteczek zarówno w stanie normalnym, jak i chorobowym.

Kwantyfikacja przepuszczalności kłębuszkowej makrocząsteczek fluorescencyjnych za pomocą mikroskopii 2-fotonowej u szczurów Wistar w Monachium

Poznaj metody ilościowego określania stanów immunologicznych w sepsie przy użyciu wizualizacji danych i dopasowania numerycznego 3D. To podejście pozwala zidentyfikować dziewięć odrębnych stanów odpornościowych i ulepszyć strategie leczenia.

Oparte na danych podejście do ilościowego określania stanów immunologicznych w sepsie

Przeglądaj więcej filmów