基于生物数据挖掘技术的脓毒症早期诊断新模型的构建及应用研究

Sepsis is a complex disease with high incidence, mortality and treatment cost. Early diagnosis is the best strategy to reduce sepsis mortality rate. The existing biomarker-based sepsis diagnosis scoring systems have defects such as limited data base, poor system compatibility, and weak generalization ability. In previous research, based on data mining technology, we carried out a preliminary mining of sepsis genetic markers (a class of sepsis biomarkers), and established a large-scale dataset. Among the dataset, we chose the genetic marker IL1RN gene 86bp –VNTR polymorphism and evaluated its association with sepsis susceptibility using statistical strategy. The preliminary results suggested biomarker data mining and modeling is a feasible way to improve sepsis early diagnosis. Based on these data, we will further systematically integrate sepsis biomarker data, construct database, and build up sepsis early warning model. We will also assess the application value of the warning model in sepsis early diagnosis by conducting a prospective clinical study. So far there is no systematic research report on large-scale sepsis biomarker data mining and computer simulation for early diagnosis support, thus this study has remarkable creativity and may provide a low cost and personalized new warning method for the early diagnosis of sepsis.

脓毒症是高发病率、高死亡率、高治疗费用的复杂疾病，早期诊断是降低病死率的最佳策率。现有脓毒症生物标记诊断评分系统尽管具有一定的诊断性能，但存在数据基础有限、体系兼容性差、泛化能力弱等缺陷。前期研究中，我们基于数据挖掘技术进行了脓毒症生物标记中遗传标记类数据的初步挖掘，建立了脓毒症遗传标记大规模数据集；采用统计分析策略，对IL1RN基因86bp-VNTR多态性与脓毒症易感性之间的关系进行了评估，预实验取得初步成功。本研究拟进一步系统整合脓毒症生物标记数据以构建数据库，并基于数据库建立脓毒症生物标记早期预警模型；将采用前瞻性临床研究策略，评估该预警模型在脓毒症早期诊断中的应用价值。目前未见脓毒症生物标记大规模数据挖据和计算机模拟进行早期诊断预警的系统研究报道，本研究具有较强创新性，将可能为脓毒症的诊疗提供一种低成本、个性化的新型预警手段。

脓毒症是一种典型的复杂疾病，是表现病人对感染反应的严重临床状态。脓毒症高发病率、高死亡率和高治疗费用的现状迫切要求更为及时的诊断。早期诊断是降低脓毒症病死率的最佳策率。遗憾的是，临床现行的脓毒症诊断标准仍主要依赖临床症状，而系统性炎症的临床症状可能与非感染临界情况（如创伤、烧伤、胰腺炎、自身免疫病和移植排斥反应）部分重叠，微生物培养也因前期或伴随的抗生素疗法而时常显示为阴性，导致大量的诊断延误。生物标记数据挖掘和计算机模拟对于发展高效的脓毒症早期预警技术十分关键。基于生物标记的机器学习和网络发现算法可以实现高维、大规模数据的整合，符合脓毒症早期预警要求。因此，本课题组进行了脓毒症宿主生物标记数据挖掘与计算机模拟的探索：对GEO数据库进行挖掘，筛选其中脓毒症相关的表达数据集，对这些数据集进行背景矫正与标准化并筛选出与脓毒症相关的基因集；使用DAVID工具对筛选出的脓毒症基因集进行GO分析；使用cytoscape软件构建脓毒症基因集的共表达网络；脓毒症发生过程中的关键生物标记模块鉴定；脓毒症发生过程中的关键生物标记鉴定及验证。通过本项目的研究，鉴定了123个儿童脓毒症的关键基因，定量PCR显示其中4个关键基因在脓毒症样本中相比对照组表达差异显著，ROC分析显示4个关键基因对脓毒症样本和对照组样本均显示出较强的分类能力，这4个关键基因与儿童脓毒症的关联除我们的研究外，国内外未见报道，本研究将为儿童脓毒症的预警提供新依据。