RNA通過細胞死亡或主動釋放從細胞中排出，然后進入血漿?？的螤柎髮W領導的一項合作開發了機器學習模型，該模型使用這些無細胞分子RNA渣渣來診斷難以區分的兒科炎癥。

該診斷工具可以準確判斷患者是否患有川崎病(KD)、兒童多系統炎癥綜合征(MIS-C)、病毒感染或細菌感染，同時監測患者的器官健康狀況。

炎癥性疾病對兒童的威脅特別大，因為這些疾病的癥狀——比如發燒和皮疹——很普遍，而且患者經常被誤診。如果治療不當，MIS-C會導致心臟、肺、大腦和其他器官腫脹。同樣，KD——兒童獲得性心臟病的主要原因——可導致心臟動脈瘤和心臟病發作。一種基于無細胞rna的測試將是臨床醫生在關鍵的兒童早期階段發現這些炎癥的第一個分子診斷工具。

該團隊的論文發表在《Proceedings of the National Academy of Sciences》上?？的螤柎髮W的研究小組由Iwijn De vlamink領導，他是生物醫學工程副教授，也是這篇論文的資深作者之一。本文的主要作者是Conor Loy，他目前是Ignite for New Ventures的研究員。

這些發現源于四年前開始的一項合作，該合作使用下一代測序來表征在大流行期間激增的兒童中嚴重的COVID-19和MIS-C病例。最初，De vlamink和Loy專注于使用無細胞DNA來研究疾病的潛力，但他們發現自己對無細胞RNA越來越感興趣，因為它提供了豐富的信息內容。雖然無細胞RNA已被證明是懷孕和癌癥的有效生物標志物，但它的研究不如無細胞DNA那么充分。

第一作者Conor Loy說：“當你分析血漿中的RNA時，你看到的是來自垂死細胞的RNA，以及從身體任何地方的細胞釋放出來的RNA。這給了你一個巨大的優勢。在炎癥條件下，有很多細胞死亡。在某些情況下，細胞會爆炸，它們的RNA被釋放到血漿中。通過分離RNA并對其進行測序，我們可以發現疾病的生物標志物，并回溯RNA的來源，以測量細胞死亡。”

合作者研究了370份來自患有一系列炎癥的兒科患者的血漿樣本。該團隊將RNA轉化為DNA，然后進行DNA測序，分析基因組的蛋白質編碼區域。洛伊花了一年的時間，用機器學習算法在樣本中尋找疾病特征，基本上創建了一系列不同的工具來理解無細胞RNA。

除了開發準確的診斷模型外，研究人員還證明，無細胞RNA測序可用于量化特定組織和器官的損傷，包括肝臟、心臟、內皮、神經系統和上呼吸道。

De Vlaminck說:“我認為，數據分析中有很多新奇的東西、技術創新和工程設計。“我們能夠量化有多少RNA來自不同的器官。有多少來自肝臟，或血管系統的上皮細胞。通過量化來源，我們還可以了解可能與免疫相關但發生在血管化組織中的損傷過程。”

這項研究得到了美國國立衛生研究院下屬的國家兒童健康與人類發展研究所的支持。


（文章來源：www.ebiotrade.com/newsf/2024-9/20240910064205136.htm）