文摘
背景:U-BIOPRED的假设是执行集群基于多种组学平台(手印)是有关解决未满足的需求严重哮喘的分类。
方法:我们收集血液compartment-related(血液和尿液)数据在我们成人哮喘组(Shaw, ERJ 2015)。我们使用相似性网络融合与稳定评估,以确定最优组学平台和集群数量组合。我们选择基于偏离理想的稳定性(DIS)。
结果:转录组、蛋白质组学、lipidomics和代谢组学是给最好的结果K = 8 - 17 (DIS = 0.06和0.04)。病人分配两者之间的比较显示分离的集群在K = 17 K = 8(见图)。临床变量的比较显示预期的差异(免疫细胞数量、BMI残),但其他变量是不同的(药物治疗、并发症、生物标记)和一些集群识别不显示任何极端值。
结论和观点:我们已经确定了稳定的集群的哮喘病人在我们群multi-omics集成。识别的分子特征和生产预测模型。接下来的步骤与纵向测量和外部验证群严重的哮喘。
图:集群重叠的病人在K = 8 (y轴)和K = 17 (x轴)集群。颜色代表K = 8中的集群。
脚注
本文引用:欧洲呼吸杂志2018 52:OA3578增刊。62。
这是一个人国际大会抽象。没有全文版本是可用的。进一步的材料来陪这个抽象可能可用www.ers-education.org(人队成员访问)。
- 版权©2018年作者