メタボローム分析装置から得られる大量の解釈困難部分(未知ピーク)の有効利用の可能性を探り、また患者の代謝物質のパターンから急性腎症(AKI)の発症予測を行った。前者では、鶴岡メタボロームコホート研究参加者約3,000人分のメタボロームデータを活用し、生体内の代謝物質を反映すると思われる未知ピークを抽出するためのパイプラインの構築を行った。後者では、AKIを発症した患者の尿に特有の代謝物質の変化を発見できないか調べるべく、手術後に集中治療室に入室した患者121人の、未知ピークを含む尿中メタボロームの分析を行い、さらに機械学習を用いて、その後患者がAKIを発症するかを比較的高い精度で予測した。
We explored the possibility of effective utilization of a large amount of uncharacterized part of metabolome data (uncharacterized peaks) obtained from analytical instruments, and predicted the onset of acute kidney injury (AKI) based on metabolome profiles of the patients. In the former, we used metabolome data from ~3,000 participants in the Tsuruoka Metabolome Cohort Study to construct a pipeline for extracting uncharacterized peaks that are likely to reflect actual metabolites in the body. In the latter, we analyzed the urinary metabolites including uncharacterized peaks in the urine samples of 121 patients who entered the intensive care unit after surgery, to investigate whether changes in metabolome profiles specific to patients who developed AKI could be detected. Machine learning enabled us to predict onset of AKI with reasonably high accuracy.

研究種目 : 基盤研究 (C) (一般)
研究期間 : 2019～2021
課題番号 : 19K08689
研究分野 : メタボロミクス