Une nouvelle arme pour le diagnostic de la tuberculose et la détection de la résistance aux médicaments : un séquençage ciblé de nouvelle génération (tNGS) combiné à l'apprentissage automatique pour le diagnostic de l'hypersensibilité à la tuberculose
Rapport de littérature : CCa : un modèle diagnostique basé sur le tNGS et l'apprentissage automatique, qui convient aux personnes atteintes de tuberculose bactérienne et de méningite tuberculeuse.
Titre de la thèse : Séquençage de nouvelle génération ciblant la tuberculose et apprentissage automatique : une stratégie diagnostique ultra-sensible pour les tubules pulmonaires paucifiques et la méningite tubulaire.
Périodique : 《Clinica Chimica Acta》
SI : 6,5
Date de publication : janvier 2024
En collaboration avec l'Université de l'Académie chinoise des sciences et l'hôpital thoracique de Pékin de l'Université médicale de la Capitale, Macro & Micro-Test a mis au point un modèle de diagnostic de la tuberculose basé sur la technologie de séquençage ciblé de nouvelle génération (tNGS) et l'apprentissage automatique. Ce modèle offre une sensibilité de détection ultra-élevée pour la tuberculose à faible concentration bactérienne et la méningite tuberculeuse, fournit une nouvelle méthode de diagnostic d'hypersensibilité pour le diagnostic clinique de deux types de tuberculose et contribue au diagnostic précis, à la détection de la résistance aux médicaments et au traitement de la tuberculose. Parallèlement, il a été constaté que l'ADNc plasmatique du patient peut être utilisé comme échantillon clinique pour le diagnostic de la tuberculose.
Dans cette étude, 227 échantillons de plasma et de liquide céphalorachidien ont été utilisés pour établir deux cohortes cliniques. Les échantillons de la cohorte de diagnostic de laboratoire ont servi à établir le modèle d'apprentissage automatique du diagnostic de la tuberculose, tandis que les échantillons de la cohorte de diagnostic clinique ont servi à vérifier le modèle diagnostique établi. Tous les échantillons ont d'abord été ciblés par un pool de sondes de capture ciblées spécialement conçu pour Mycobacterium tuberculosis. Ensuite, sur la base des données de séquençage TB-tNGS, le modèle d'arbre de décision a été utilisé pour effectuer une validation croisée en 5 étapes sur les ensembles d'apprentissage et de validation de la file d'attente de diagnostic de laboratoire. Les seuils diagnostiques des échantillons de plasma et de liquide céphalorachidien sont obtenus. Le seuil obtenu est introduit dans deux ensembles de tests de la file d'attente de diagnostic clinique pour la détection, et les performances diagnostiques de l'apprenant sont évaluées par courbe ROC. Enfin, le modèle de diagnostic de la tuberculose a été obtenu.
Fig. 1 schéma de la conception de la recherche
Résultats : Selon les seuils spécifiques de l'échantillon d'ADN du LCR (ASC = 0,974) et de l'échantillon d'ADNlc plasmatique (ASC = 0,908) déterminés dans cette étude, parmi 227 échantillons, la sensibilité de l'échantillon du LCR était de 97,01 %, la spécificité de 95,65 %, et la sensibilité et la spécificité de l'échantillon du plasma étaient de 82,61 % et 86,36 %. Dans l'analyse de 44 échantillons appariés d'ADNlc plasmatique et d'ADN du liquide céphalorachidien provenant de patients atteints de TBM, la stratégie diagnostique de cette étude a une cohérence élevée de 90,91 % (40/44) dans l'ADNlc plasmatique et l'ADN du liquide céphalorachidien, et la sensibilité est de 95,45 % (42/44). Chez les enfants atteints de tuberculose pulmonaire, la stratégie diagnostique de cette étude est plus sensible aux échantillons de plasma que les résultats de détection Xpert des échantillons de suc gastrique des mêmes patients (28,57 % contre 15,38 %).
Fig. 2 Performances d'analyse du modèle de diagnostic de la tuberculose pour les échantillons de population
