Ugonjwa wa baada ya Ebola (Post-Ebola Syndrome, PES), ni hali ya kliniki yenye sura tofauti inayojumuisha athari za muda mrefu za mfumo wa musculoskeletal, gastrointestinal, cardiopulmonary, neurological na za jumla za mfumo ambazo huendelea au hujitokeza baadaye kwa baadhi ya walionusurika baada ya ugonjwa mkali wa virusi vya Ebola (Ebola Virus Disease, EVD) kuisha. Utafiti huu unatumia uchanganuzi wa metabolomiki usiolenga wa liquid chromatography–tandem mass spectrometry (LC-MS/MS) katika sampuli za plasma zilizopatikana kutoka kohorti ya walionusurika EVD nchini Sierra Leone kuchunguza kama wasifu wa kimetaboliki wa walionusurika wenye PES unatofautiana na ule wa walionusurika EVD wasio na dalili. Katika ulinganisho mkuu, walionusurika 37 wenye PES na walionusurika EVD 20 wasio na dalili walitathminiwa; pia watu 20 wa kaya wasio na dalili waliokuwa na mawasiliano walijumuishwa kwa madhumuni ya ulinganisho.

Jumla ya metaboliti 544 zilitambuliwa na walionusurika wenye PES walipolinganishwa na walionusurika EVD wasio na dalili, metaboliti 34 zilibainika kukidhi vigezo vya mabadiliko tofauti vilivyofafanuliwa katika chanzo. Kati ya hizo, 26 zilikuwa chini zaidi, 8 juu zaidi . Mabadiliko yalijikita hasa katika mzunguko wa tricarboxylic acid (TCA mzunguko), metabolizimu ya amino acid, metabolizimu ya nucleotide na metabolizimu ya short-chain fatty acid (Short-Chain Fatty Acid, SCFA). Chanzo pia kinaripoti tofauti muhimu katika glycolysis, pyruvate metabolizimu na njia mbalimbali za amino acid metabolizimu katika njia uchanganuzi.

Katika uchanganuzi wa biomarker wa utafiti, modeli zote mbili za Partial Least Squares Discriminant Analysis (PLS-DA) na Random Forest (RF) zilichagua metaboliti 10 zilezile miongoni mwa wagombea muhimu zaidi. Metaboliti hizi zilijaribiwa tena katika kundi tofauti la uthibitishaji wa ndani na iliripotiwa kuwa eneo chini ya ROC curve (AUC) lilikuwa zaidi ya 0,8 kwa modeli zote mbili. Chanzo kinaonyesha katika Figure 5 kwamba AUC kwa modeli ya uthibitishaji ya PLS-DA ni 0,881, na kwa modeli ya Random Forest AUC ni 0,91 ; hata hivyo, hasa upana wa confidence interval ya PLS-DA na ukweli kwamba kundi la uthibitishaji lilikuwa na watu 18 pekee unaonyesha kuwa matokeo haya hayapaswi kufasiriwa kama kipimo cha uchunguzi kilicho tayari kwa matumizi ya kliniki.

Kikomo muhimu zaidi cha tafsiri ya utafiti ni hiki: metaboliti zilipimwa katika plasma. Watafiti wanajadili kwamba mzunguko wa TCA, metabolizimu ya SCFA na njia nyingine zinaweza kuhusishwa na dysfunction ya kinga na kazi ya seli za CD8+ T; lakini utafiti wa sasa haukupima moja kwa moja kimetaboliki flux ya ndani ya seli, metabolizimu ya T-cell au microbiome. Kwa hiyo, utafiti unaonyesha tofauti za kimetaboliki lakini hauthibitishi kuwa ndizo husababisha PES.

Tatizo kuu la utafiti

Baadhi ya watu walionusurika ugonjwa wa virusi vya Ebola wanaweza kuendelea kupata matatizo mbalimbali ya kliniki hata muda mrefu baada ya maambukizi makali kuisha. Chanzo kinaita hali hii post-Ebola syndrome na kinajumuisha miongoni mwa athari hizo matatizo ya mfumo wa musculoskeletal, mfumo wa cardiopulmonary, dalili za neurological, matatizo ya gastrointestinal pamoja na dalili za jumla zisizo za kimuundo kama maumivu ya kichwa na uchovu.

Tatizo kuu la kisayansi ni kwamba bado haijaelezwa vya kutosha kwa nini baadhi ya walionusurika EVD hupata PES huku wengine wasionyeshe athari dhahiri. Watafiti wanaeleza kuwa mabadiliko ya kimetaboliki yalikuwa yameonekana hapo awali wakati wa EVD kali, lakini mabadiliko ya kudumu ya kimetaboliki katika muktadha wa PES hayakuwa yamechunguzwa kwa utaratibu.

Kutokana na pengo hili, hypothesis ya utafiti ni kwamba walionusurika EVD wenye PES watakuwa na wasifu maalumu wa kimetaboliki unaoweza kutofautishwa na walionusurika EVD wasio na dalili . Lengo la pili ni kutambua metaboliti katika wasifu huu tofauti ambazo zinaweza kuchunguzwa baadaye kama biomarkers.

Post-Ebola Syndrome ni Nini?

Post-Ebola syndrome ni mkusanyiko wa athari tofauti za kliniki zinazoendelea baada ya ugonjwa au kujitokeza wakati wa ufuatiliaji kwa baadhi ya watu waliopona ugonjwa mkali wa virusi vya Ebola; katika utafiti huu, athari za musculoskeletal/gastrointestinal na cardiopulmonary zimewekwa hasa katikati ya ulinganisho wa metabolomiki. Utafiti hauchukulii PES kuwa dalili moja au ugonjwa wa kiungo kimoja, wala hausemi kwamba hutokea kwa walionusurika EVD wote.

Kundi la PES lilifafanuliwaje katika utafiti?

Sampuli za PES za utafiti zilichaguliwa kutoka makundi ya walionusurika yaliyokuwa yamefafanuliwa hapo awali. Kwa jumla, kati ya walionusurika 37 wenye PES, 18 walikuwa katika kundi la musculoskeletal/gastrointestinal (MSK/GI), 19 katika kundi la cardiopulmonary (CP) la athari.

Katika kundi la MSK/GI, matokeo ya uchunguzi wa mwili kama kupungua kwa range of motion ya viungo, edema au effusion ya extremities, tenderness ya kiungo kwa palpation na tenderness ya tumbo kwa palpation yalizingatiwa. Watafiti waliwapa kipaumbele watu waliokuwa na athari za MSK/GI mara nyingi zaidi wakati wa kuchagua sampuli. Hata hivyo, katika uchanganuzi wa metabolomiki sampuli kutoka time point moja tu ilitumiwa kwa kila mshiriki.

Kundi la cardiopulmonary lilijumuisha dalili kama maumivu ya kifua, palpitations, upungufu wa pumzi au kikohozi, pamoja na matokeo kama kutokuwepo kwa sauti za moyo, murmur/rub/gallop, kiwango kisicho kawaida cha mapigo ya moyo, rhythm isiyo ya kawaida, edema ya chini extremities, distal pulses dhaifu na wheeze, rale au rhonchi kwenye auscultation ya mapafu.

Walionusurika EVD wasio na dalili walikuwa watu waliochukuliwa kuwa wasio na dalili kulingana na principal components uchanganuzi (PCA) clustering iliyotumiwa katika utafiti uliopita na waliokuwa na IgG positivity dhidi ya Ebola glycoprotein. Watu wa kaya waliokuwa watu waliokuwa na mawasiliano walikuwa wasio na dalili na GP IgG hasi.

Kwa nini watu waliokuwa na mawasiliano wa kaya walitumika?

Lengo lilikuwa watu waliokuwa na mawasiliano wa kaya wawe na mazingira ya kikanda na kidemografia yanayofanana na walionusurika EVD. Vipengele kama umri, jinsia na tarehe ya kukusanya sampuli vilizingatiwa katika uteuzi. Baadhi ya watu waliokuwa na mawasiliano walitoka kaya moja na walionusurika katika utafiti, wengine kutoka kaya tofauti.

Kundi hili linatoa ulinganisho muhimu wa ziada; kwa sababu kulinganisha tu walionusurika wenye PES na walionusurika EVD wasio na dalili hakuwezi kutenganisha kabisa uwezekano kwamba makundi yote mawili yanaweza kubeba mabadiliko ya kimetaboliki ya pamoja yanayohusiana na EVD iliyopita.

Matokeo muhimu hasi: nini kilipatikana kati ya PES na watu waliokuwa na mawasiliano wa kaya?

Walionusurika wenye PES walipolinganishwa na watu waliokuwa na mawasiliano wa kaya wasio na dalili, hakuna metaboliti iliyopatikana kuwa tofauti kwa kiwango cha maana katika univariate uchanganuzi. Waandishi wanaeleza kuwa hii inaweza kutokana na ukubwa mdogo wa sampuli, kwamba baadhi ya metaboliti zilionyesha mwelekeo unaofanana lakini hazikufikia statistical umuhimu wa kitakwimu. Pia wanajadili kwamba kuwa na mabadiliko maalumu ya kimetaboliki kwa walionusurika EVD wasio na dalili kunaweza kuchangia tofauti kati ya walionusurika wenye PES na wasio na dalili.

Matokeo haya ni muhimu katika tafsiri ya biomarker: utafiti hauonyeshi kwamba wasifu wa kimetaboliki uliotambuliwa unatenganisha PES kwa uhakika na watu wengine wote au controls wote wenye afya.

Untargeted Metabolomics na LC-MS/MS Zinafanya Nini Katika Utafiti Huu?

Untargeted metabolomiki ni mbinu ya uchanganuzi inayolenga kuchunguza kwa upana molekuli nyingi ndogo zinazoweza kupimwa katika sampuli badala ya kuzingatia molekuli chache zilizoteuliwa mapema; katika utafiti huu, sampuli za plasma zilichambuliwa kwa LC-MS/MS na relative signal intensities za mamia ya metaboliti zikalinganishwa. Njia hii huruhusu uchunguzi mpana wa wasifu wa kimetaboliki, lakini peke yake haipimi moja kwa moja kasi ya kimetaboliki flux au utaratibu wa kisababishi ndani ya seli.

LC-MS/MS inamaanisha nini?

LC-MS/MS, Liquid Chromatography–Tandem Mass Spectrometry, yaani liquid chromatography–tandem mass spectrometry. Liquid chromatography husaidia kutenganisha compounds katika sampuli changamano kwa muda kulingana na sifa zao za physicochemical. Mass spectrometer hutambua molekuli zilizoionishwa kupitia uwiano wa mass/charge. Hatua ya Tandem MS husaidia kupata taarifa ya ziada ya utambulisho kutoka kwa fragmentation patterns za ions zilizochaguliwa.

Katika utafiti huu, njia hiyo ilitumika kutambua kwa upana metaboliti za plasma na kuzilinganisha kati ya makundi. Chanzo hakiripoti modeli mahususi ya LC au mass-spectrometer ya kifaa; kwa hiyo jina la modeli halijabuniwa.

Sampuli za plasma zilikusanywa lini?

Sampuli za plasma zilikusanywa kati ya Machi 2016 na Aprili 2019 . Lengo lilikuwa data za kliniki zipatikane karibu iwezekanavyo na tarehe ya kukusanya plasma. Damu ilichukuliwa kwa venipuncture na plasma ikaandaliwa kwa mbinu za kawaida.

Uchimbaji na quantification ya metaboliti

Uchanganuzi wa untargeted metabolomiki ulifanywa na Gigantest Inc. Cold acetonitrile na formic acid zilitumika katika extraction. Internal databases zilitumika kwa metaboliti identification, na XCalibur pamoja na validated nje standards zilizorekodiwa chini ya masharti yaleyale zilitumika kwa quantification.

Missing thamani zilishughulikiwaje?

Katika ghafi dataset thamani 2.762, sawa na %8,9 ya vipimo vyote, ziliripotiwa kuwa missing. Watafiti walibadilisha kila missing thamani kwa 1/5 ya minimum chanya thamani iliyozingatiwa ya kigezo husika.

Utaratibu huu ni njia ya imputation inayotumiwa kuzuia uchanganuzi software kufanya kazi na cells zilizo missing. Hata hivyo, imputation haitengenezi concentration ya metaboliti iliyopimwa kwa kweli; huweka low proxy thamani itakayotumika katika hesabu badala ya observation iliyokosekana. Kwa hiyo, thamani ya 1/5 haipaswi kuchukuliwa kibaolojia kuwa “concentration halisi”.

RSD filter ilifanya nini?

Chanzo kinafafanua relative standard deviation kama standard deviation / mean , yaani uwiano wa standard deviation kwa mean, na huondoa vigezo zenye relative standard deviation zaidi ya %25. Filter hii ilitumika kuondoa vigezo zenye variability kubwa kutoka kwenye uchanganuzi.

Kwa nini IQR filter ilitumika?

Interquartile Range (IQR), ni kipimo cha spread ya sehemu ya kati ya %50 ya kigezo. Chanzo kiliondoa %25 ya vigezo kwa IQR filter ili kupunguza vigezo zilizo kwenye low IQR tail na zenye thamani karibu zisizobadilika.

Hoja yake ni hii: metaboliti inayobadilika kidogo sana kati ya watu hubeba taarifa chache kwa classification au kundi separation. Hata hivyo, hatua hii ni chaguo la data preprocessing linaloweza kuathiri matokeo na limeripotiwa wazi katika chanzo.

Median normalization na log10 transformation

Data zilinormalishwa kwa median na kisha kufanyiwa logarithmic transformation ya base 10 . Median normalization inalenga kupunguza tofauti katika jumla intensity scale kati ya sampuli. Logarithmic transformation huwasilisha metaboliti intensities zenye numerical range pana katika scale iliyobanwa zaidi na inaweza kupunguza kutawala kupita kiasi kwa thamani kubwa sana katika uchanganuzi.

Namba zinazotumiwa baada ya transformations hizi si ghafi device signal katika hali yake isiyobadilishwa. Values katika Figure 1 ramani ya joto ya chanzo ni za comparison structure baada ya normalization hii na log transformation.

Fold change inaeleza nini?

Fold change (FC), huonyesha ukubwa wa relative change kati ya makundi mawili. Chanzo kinapotambua differential metaboliti kinatumia FC > 2,0 na iliyorekebishwa kwa njia ya Benjamini–Hochberg FDR < 0,05 kwa pamoja. Chanzo kinaonyesha direction ya mabadiliko kwenye volcano plot katika mhimili wa log₂(FC).

Mabadiliko ya mara mbili yanaendana na ukubwa wa unit 1 kwenye scale ya log₂ ; katika direction ya kupungua ishara ni hasi. Hii mathematical transformation si matokeo mapya ya utafiti, bali ni uhusiano wa msingi unaoeleza jinsi ya kusoma mhimili wa volcano plot.

Kwa nini p-thamani na FDR si kitu kilekile?

Kwa sababu mamia ya metaboliti zilijaribiwa kwa wakati mmoja katika utafiti, kuangalia ghafi p-thamani pekee kunaweza kuongeza false chanya matokeo. Kwa hiyo watafiti walitumia marekebisho ya Benjamini–Hochberg (BH) ya False Discovery Rate (FDR) .

FDR inalenga kudhibiti expected proportion ya false discoveries ndani ya matokeo yanayochukuliwa kuwa statistically muhimu kitakwimu miongoni mwa multiple tests. Chanzo kilihitaji adjusted p-thamani, yaani FDR thamani, iwe chini ya 0,05 ili metaboliti ichukuliwe kuwa muhimu kitakwimu.

Metaboliti 34 zilichaguliwaje kutoka 544?

Katika untargeted LC-MS/MS uchanganuzi jumla ya metaboliti 544 zilitambuliwa. Katika univariate comparison kati ya walionusurika EVD wenye PES na walionusurika EVD wasio na dalili, metaboliti 34 zilikidhi source criteria. Kati ya hizo, 26 zilikuwa chini zaidi katika kundi la PES na 8 juu zaidi.

Ujumbe wa kisayansi wa Figure 1 ya chanzo

Figure 1A kwenye ukurasa wa 12 wa source PDF inaonyesha katika ramani ya joto intensity patterns za metaboliti zilizotofautiana kati ya PES na walionusurika wasio na dalili across sampuli. Red tones zinawakilisha normalized peak intensities za juu zaidi, blue tones za chini zaidi. Volcano plot katika Figure 1B inaonyesha change magnitude katika mhimili wa log₂(FC), na statistical evidence katika mhimili wa −log₁₀(p-thamani) kwa pamoja.

Ujumbe mkuu wa graphs hizi si kwamba metaboliti moja inatenganisha kikamilifu visa vyote vya PES; bali kwamba metaboliti nyingi kwa pamoja huunda kimetaboliki pattern tofauti. Kwa kuwa ghafi sampuli-point data haikutolewa kama table tofauti katika kuu PDF, Verianla haijachora upya graphs hizi kwa kutumia estimated coordinates.

Je, makundi ya MSK/GI na cardiopulmonary PES yalitenganishwa?

Hapana. Watu 18 wenye MSK/GI sequelae walipolinganishwa na watu 19 wenye cardiopulmonary sequelae, hakuna metaboliti iliyopatikana kuwa significantly tofauti. Hii inamaanisha kwamba katika sampuli ya sasa hakuna ushahidi kwamba kliniki PES subgroups hizi mbili zimetenganishwa wazi metabolomically.

Hata hivyo, kusema “hakuna tofauti iliyopatikana” hakumaanishi makundi haya mawili ni sawa kabisa kimetaboliki. Sample ndogo inaweza kupunguza statistical power ya kugundua tofauti.

Je, umri, jinsia na BMI zinaeleza matokeo?

Chanzo kinaripoti katika logistic regression uchanganuzi kwamba umri, jinsia, body mass index (BMI) na tarehe ya kukusanya sampuli hazikutabiri kwa kiwango cha maana membership ya kundi la PES au wasio na dalili EVD aliyenusurika.

Katika Spearman uwiano uchanganuzi pia hakuna muhimu kitakwimu uwiano iliyopatikana kati ya BMI, umri na jinsia na metaboliti katika kundi la PES. Hata hivyo, muhimu kitakwimu chanya uwiano iliripotiwa kati ya BMI na umri.

Spearman uwiano inapima nini?

Spearman rank uwiano, hutathmini direction na strength ya monotonic relationship kati ya vigezo mbili kwa kutumia ranks. Correlation coefficient ikiwa chanya vigezo kwa ujumla huwa na tendency ya kuongezeka pamoja; ikiwa hasi, moja inapoongezeka nyingine huwa na tendency ya kupungua.

Chanzo kilipata muhimu kitakwimu relationships kati ya TCA mzunguko metaboliti na metaboliti mbalimbali zinazohusiana na amino acid, fatty acid na nucleotide metabolizimu katika kundi la PES. Ni correlations zenye FDR < 0,05 pekee zilizoingizwa katika mtandao uchanganuzi.

Katika uwiano ramani ya joto kwenye ukurasa wa 13 wa source PDF, chanya relationships zinaonyeshwa kwa red na hasi relationships kwa blue. Katika mtandao image kwenye ukurasa wa 14, node size ilihusishwa na idadi ya connections za metaboliti, line thickness na uwiano p-thamani; line color ilionyesha chanya au hasi direction ya relationship. Exact Spearman rho thamani ziliachwa katika Supplementary Table 4, na supplementary table hiyo haipo katika kuu PDF iliyopakiwa.

Kwa nini TCA mzunguko ni muhimu?

Tricarboxylic acid mzunguko (TCA mzunguko; citric acid mzunguko au Krebs mzunguko), ni mojawapo ya biochemical njia zilizo katikati ya cellular energy metabolizimu. Carbon-containing intermediates huchakatwa kupitia mzunguko hii na kuchangia uundaji wa reduced cofactors zinazohusiana na cellular energy production.

Katika utafiti, malate, succinate na metaboliti nyingine zinazohusiana na TCA zilionekana kubadilika kati ya PES na walionusurika wasio na dalili. Hata hivyo, uchanganuzi inategemea metaboliti levels katika plasma . Kwa hiyo matokeo hayamaanishi kwamba TCA flux rate ndani ya mitochondria imepimwa moja kwa moja.

Chanzo kinatumia kauli “downregulated metabolizimu”. Tafsiri finyu zaidi kimethodolojia ni kwamba sehemu muhimu ya measured metaboliti zinazohusiana na njia husika zilikuwa katika viwango vya chini zaidi katika kundi la PES. Utafiti haukufanya isotope tracing au moja kwa moja kimetaboliki flux measurement.

Mabadiliko katika amino acid metabolizimu

Sehemu muhimu ya tofauti zenye athari zaidi katika njia uchanganuzi inahusiana na amino acid metabolizimu. Chanzo kinaangazia hasa taurine na hypotaurine, tyrosine, cysteine na methionine metabolizimu. Pathways kama histidine, beta-alanine na alanine/aspartate/glutamate metabolizimu pia zinaonekana katika source Figure 4.

Waandishi wanalinganisha findings hizi na immunometabolic changes zilizoripotiwa katika chronic viral infections. Hata hivyo, utafiti wa sasa wenyewe hauonyeshi kwamba kimetaboliki differences hizi husababisha T-cell dysfunction.

Nucleotide metabolizimu

Nucleotides ni building blocks za DNA na RNA lakini pia zina majukumu mengine ya biochemical kama energy transfer na cellular signaling. Chanzo kinaripoti muhimu kitakwimu changes katika metaboliti zinazohusiana na nucleotide metabolizimu katika kundi la PES.

Haiwezi kuamuliwa kutokana na sasa plasma metabolomiki design ni cell type gani chanzo cha changes hizi. Blood plasma inaakisi combined sampuli ya molecules zinazotoka katika tissues na cells nyingi.

SCFA ni nini na utafiti ulipata nini?

Short-Chain Fatty Acids (SCFA), ni ndogo organic acids zinazojadiliwa katika chanzo hasa kupitia acetate na propanoate. Katika kundi la PES acetate iliongezeka, propanoate ilipungua .

Waandishi wanajadili kuwa change hii inaweza kuhusishwa na dysregulation ya gut microbiota. Wazo hili linaungwa mkono na findings za awali katika Long COVID studies kuhusu kupungua kwa SCFA-producing symbiotic microorganisms na uwezekano wa SCFAs kuathiri immune response.

Lakini katika utafiti huu fecal microbiome, gut bacterial composition au microbial genes hazikupimwa. Kwa hiyo “microbiome disruption katika PES imethibitishwa” si hitimisho linaloweza kutolewa. Chanzo kinajadili hii kama possible explanation.

Uhusiano na CD8+ T cells una nguvu kiasi gani?

CD8+ T cells ni adaptive immune cells zinazohusika katika recognition na elimination ya virus-infected cells. Watafiti wanaeleza kwamba katika awali PES studies EBOV-specific CD8+ T-cell responses zilichunguzwa na response hii inaweza kuonekana mara nyingi zaidi kwa watu wenye PES.

Chanzo pia kinajadili uwezekano wa biological link kati ya own metabolomiki findings zake na awali studies zinazoripoti mitochondrial na TCA dysfunction katika chronic infections kuhusishwa na T-cell exhaustion.

Hata hivyo, watafiti wanaeleza wazi limitations zao: findings zilizopo zinatoka plasma na haziwezi kuhusishwa moja kwa moja na cellular level. T-cell function na immunometabolism zinahitaji kuchunguzwa separately.

Pathway uchanganuzi ilifanya nini?

Katika njia uchanganuzi iliyofanywa kwa MetaboAnalyst 6.0, conditions zilizotumiwa kuingiza njia katika utafiti zilikuwa impact score > 0,2 na FDR < 0,05 . Source Figure 4 inaonyesha muhimu kitakwimu njia kulingana na impact score.

Pathways kuu zilizoonyesha chini metaboliti wasifu ni pamoja na amino acid metabolizimu, nucleotide metabolizimu, TCA mzunguko, glycolysis na pyruvate metabolizimu.

Chanzo kinaeleza kwamba idadi ndogo ya njia ilihusishwa na juu metaboliti levels au changes za mixed direction. Pathways zilizohusishwa na significantly juu metabolizimu wasifu ni pamoja na starch and sucrose metabolizimu, tryptophan metabolizimu, arginine and proline metabolizimu, nicotinate and nicotinamide metabolizimu na pentose and glucuronate interconversions.

Pathway uchanganuzi haipimi moja kwa moja speed ya enzymes zote katika njia. Hapa njia names zinatoa muhtasari wa biochemical networks ambazo measured metaboliti zinakusanyika na maeneo ambako changes zimejikita.

Tofauti kati ya PCA na PLS-DA

Principal Components Analysis (PCA), ni unsupervised dimensionality reduction method inayofupisha directions kubwa za variation katika data bila kutumia kundi labels. Partial Least Squares Discriminant Analysis (PLS-DA) ni supervised method inayojaribu kutengeneza components zinazotenganisha makundi kwa kutumia known class labels.

Chanzo kinaripoti kuwa PCA na PLS-DA analyses zote mbili zilitenganisha PES na wasio na dalili EVD walionusurika kulingana na kimetaboliki wasifu. Kwa kuwa PLS-DA ni supervised, uthibitishaji na overfitting risk zinahitaji umakini maalumu wakati wa kutathmini separation utendaji; kwa hiyo utafiti ilitumia tofauti discovery na uthibitishaji sets katika later biomarker stage.

PLS-DA thamani katika Figure 3 zinamaanisha nini?

Chanzo kinaonyesha katika Figure 3 kwamba PLS-DA modeli yenye highest accuracy ilitumia components mbili na accuracy=0,86, R²=0,66 na Q²=0,45 ziliripotiwa.

Accuracy, huonyesha jumla proportion ya correct classification decisions. R², ni measure ya fit inayohusiana na explained structure katika mafunzo data. Q² huonyesha predictive ability inayohusiana na cross-uthibitishaji katika PLS-based modeli. Hakuna metric yoyote kati ya hizi inayothibitisha kliniki usability peke yake.

Katika source Figure 3, density regions za makundi mawili zina centers tofauti kwa kiasi kikubwa lakini hazijatengana kabisa; kuna pia maeneo ya overlap. Kwa hiyo si sahihi kutafsiri graph kama “PES na wasio na dalili individuals zilitenganishwa kikamilifu”.

ROC Curve na AUC Results Zinapaswa Kufasiriwaje?

ROC curve inaonyesha mabadiliko kati ya sensitivity na false chanya rate katika decision thresholds tofauti za classifier; AUC hufupisha area under this curve katika namba moja. Katika uthibitishaji kundi ya utafiti hii, Figure 5 inaonyesha AUC=0,881 kwa PLS-DA na AUC=0,91 kwa Random Forest; hata hivyo, hizi ni matokeo za ndani uthibitishaji kundi ya watu 18 pekee iliyotenganishwa kutoka utafiti hiyo hiyo na si huru kliniki diagnostic uthibitishaji.

Biomarker modeli iliundwaje?

Main EVD aliyenusurika sampuli ina watu 57: 37 PES na 20 wasio na dalili walionusurika. Watafiti waligawa kwa nasibu takriban two-thirds ya kundi hii, watu 39, kwenye discovery kohorti , na kutumia watu 18 waliobaki kama uthibitishaji kohorti .

Lengo lilikuwa kuhifadhi proportional distribution ya PES na wasio na dalili walionusurika katika sets zote mbili.

Monte-Carlo cross-uthibitishaji ni nini?

Kwa discovery modeli, 100 Monte-Carlo cross-uthibitishaji (MCCV) runs zilifanywa. Katika approach hii, data hugawanywa repeatedly katika smaller mafunzo na tathmini sections ili kujaribu kutathmini kama modeli utendaji inategemea kupita kiasi random split moja.

Hata hivyo, uthibitishaji kundi ya watu 18 iliyotumiwa hapa pia ilitenganishwa kwa nasibu kutoka jumla kohorti hiyo hiyo. Kwa hiyo uthibitishaji hii si huru nje uthibitishaji kohorti kutoka nje center.

Random Forest ni nini?

Random Forest (RF), ni supervised machine learning method inayounda decision trees nyingi na kutumia matokeo ya trees hizo kwa pamoja. Kuunda trees tofauti kwenye subsets tofauti za sampuli na features kunalenga kupunguza risk ya decision tree moja ku-overfit mafunzo data.

Katika utafiti hii, RF ni mojawapo ya modeli mbili zilizotumiwa kutathmini contribution ya metaboliti katika kutenganisha PES na wasio na dalili EVD walionusurika na kuchagua candidate biomarkers.

PLS-DA ilifanya nini katika biomarker uchanganuzi?

PLS-DA inatatua classification problem hiyo hiyo kwa mathematical approach tofauti. Watafiti walihesabu Variable Importance in Projection (VIP) scores ili kutathmini umuhimu wa metaboliti katika PLS-DA components na kuchunguza metaboliti 15 muhimu zaidi katika component 1 na 2.

Metaboliti 10 zilezile zilizochaguliwa na modeli zote mbili

Kwamba metaboliti 10 zilezile zilijitokeza katika PLS-DA na Random Forest modeli zote mbili kulitathminiwa na watafiti kama supporting finding kwa sababu modeli families mbili tofauti ziliona vigezo zinazofanana kuwa muhimu. Aidha, metaboliti hizi 10 zote zilikuwa muhimu kitakwimu katika kuu univariate PES–wasio na dalili aliyenusurika comparison.

Hata hivyo, kauli kwamba “modeli mbili zilichagua metaboliti zilezile” haionyeshi kwamba metaboliti hizi ni biological cause ya ugonjwa au zinaweza kutumiwa peke yake kwa kliniki utambuzi.

Matokeo ya uthibitishaji

Je, AUC 0,91 inamaanisha “%91 correct utambuzi”?

Hapana. AUC na accuracy si metric ileile. AUC inafupisha ability ya modeli kupanga chanya na hasi classes katika classification thresholds tofauti. Accuracy ni proportion ya sampuli zilizoclassify correctly chini ya selected decision rule.

Kwa hiyo, kwa RF kuwa na AUC 0,91 huku uthibitishaji accuracy ikiwa 0,796 si contradiction. Namba hizi mbili zinapima properties tofauti.

Kwa nini confidence intervals ni muhimu?

Katika Figure 5, %95 confidence interval kwa PLS-DA AUC imeonyeshwa kama 0,54–1,00, na kwa RF kama 0,75–1,00 . Hasa upana wa PLS-DA interval unaonyesha kwamba ndogo uthibitishaji sampuli inaleta uncertainty muhimu katika AUC estimate.

Kwa hiyo, hata kama point estimates zinaonekana strong, haiwezi kudhaniwa kuwa modeli utendaji itabaki hiyo hiyo katika new kubwa huru populations.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Sampuli za plasma zilikuwa convenience sampuli, yaani sampuli iliyoundwa kutoka available na suitable sampuli, zilizotolewa kutoka ongoing kohorti ya EVD walionusurika na household watu waliokuwa na mawasiliano nchini Sierra Leone. Study haikutekeleza intervention mpya; ililinganisha metabolomic wasifu za kohorti sampuli zilizokuwa zimekusanywa awali.

Design hii si randomized kliniki trial. Association inaweza kuonyeshwa kati ya identified kimetaboliki differences na PES; direction ya kama kimetaboliki difference husababisha PES au PES husababisha kimetaboliki difference hiyo haiwezi kuamuliwa kwa design hii pekee.

Ukusanyaji wa sampuli na mchakato wa maabara

1. Sampuli za plasma zilikusanywa katika kipindi cha Machi 2016–Aprili 2019.
2. Clinical information ilikusanywa karibu iwezekanavyo na plasma sampling date.
3. Damu ilichukuliwa kwa venipuncture na plasma ikaandaliwa kwa standard methods.
4. Untargeted LC-MS/MS metabolomiki uchanganuzi ilifanywa na Gigantest Inc.
5. Cold acetonitrile na formic acid zilitumika katika extraction.
6. Metaboliti zilitambuliwa kwa kutumia ndani databases.
7. XCalibur software na validated nje standards zilizopimwa katika conditions zilezile zilitumika kwa quantification.

Data preprocessing

• Peak intensities ziliingizwa katika uchanganuzi.
• Missing thamani 2.762 (%8,9) zilibadilishwa kwa 1/5 ya minimum chanya thamani ya kigezo husika.
• Variables zenye RSD zaidi ya %25 zilifilteriwa.
• Ili kupunguza nearly constant vigezo katika low IQR tail, %25 ya vigezo ziliondolewa.
• Data zilinormalishwa kwa median.
• Base-10 logarithmic transformation ilitumika.

Software zilizotumiwa

Univariate uchanganuzi

Metabolite differences kati ya makundi mawili zilitathminiwa kwa Student's t-test. Chanzo kinafafanua criterion ya muhimu kitakwimu differential metaboliti kuwa FC > 2,0 na Benjamini–Hochberg FDR < 0,05.

Matokeo: kati ya metaboliti 544, 34 zilikuwa tofauti katika comparison hii; 26 zilikuwa chini katika PES, 8 juu.

Demographic logistic regression

Logistic regression ilitumika kutathmini kama umri, jinsia, BMI na sampuli collection date zilitabiri membership ya PES au wasio na dalili aliyenusurika kundi. Hakuna kigezo yoyote kati ya hizi iliyopatikana katika chanzo kuwa muhimu kitakwimu predictor ya PES.

Spearman uwiano na mtandao uchanganuzi

Spearman uwiano ilihesabiwa kati ya metaboliti na demographic features katika PES kundi. Significant metaboliti correlations nyingi zinazohusiana na TCA mzunguko, amino acid, fatty acid na nucleotide metabolizimu zilitambuliwa.

Significant relationships za TCA metaboliti zilionyeshwa kama mtandao kwa Cytoscape. Chanzo kiliingiza correlations zenye FDR < 0,05 pekee kwenye mtandao.

PCA na PLS-DA

PCA na PLS-DA zilionyesha separation kati ya PES na wasio na dalili aliyenusurika makundi kulingana na kimetaboliki wasifu. Two-component PLS-DA modeli katika Figure 3 ilikuwa na accuracy 0,86, R² 0,66 na Q² 0,45.

Katika PLS-DA, metaboliti muhimu kwa component 1 na 2 zilijumuisha metaboliti zinazohusiana na TCA mzunguko, SCFA metabolizimu na glucose.

Matokeo makuu ya njia uchanganuzi

Biomarker modeling

PLS-DA na Random Forest modeli zilitengenezwa katika discovery kundi ya watu 39 na kutathminiwa kwa runs 100 za MCCV. Metaboliti 10 zilezile zilizopatikana kuwa muhimu zaidi katika modeli zote mbili zilijaribiwa baadaye katika uthibitishaji kundi ya watu 18.

Validation accuracy thamani zilikuwa 0,799 kwa PLS-DA na 0,796 kwa RF. Figure 5 uthibitishaji ROC AUC thamani zilikuwa 0,881 na 0,91, mtawalia.

Matokeo yanayoungwa mkono na utafiti

• Plasma kimetaboliki wasifu ya EVD walionusurika wenye PES inatofautiana, katika sampuli hii, na ile ya wasio na dalili EVD walionusurika.
• Kati ya metaboliti 544, 34 zilikidhi differential metaboliti criteria zilizowekwa katika chanzo.
• TCA mzunguko, amino acid, nucleotide na SCFA metabolizimu ni maeneo ambayo muhimu kitakwimu differences zilionekana.
• PCA na PLS-DA zilionyesha separation ya makundi mawili makuu ya walionusurika kulingana na kimetaboliki wasifu.
• PLS-DA na RF ziliangazia metaboliti 10 zilezile miongoni mwa candidate biomarkers.
• Metaboliti hizi 10 zilionyesha AUC > 0,8 utendaji katika held-out uthibitishaji kundi ya utafiti hiyo hiyo.

Matokeo ambayo utafiti hauungi mkono

• Haijathibitishwa kwamba kimetaboliki changes husababisha PES.
• Haiwezi kusemwa kwamba plasma changes katika TCA mzunguko zinathibitisha moja kwa moja mitochondrial dysfunction.
• SCFA changes si moja kwa moja evidence ya gut microbiome disruption.
• CD8+ T-cell dysfunction haikupimwa moja kwa moja katika utafiti hii.
• Metaboliti 10 zilizotambuliwa si approved kliniki diagnostic test ya PES.
• AUC thamani hazihakikishi utendaji ileile katika nchi nyingine au huru kohorti.
• Separate kimetaboliki biomarkers kwa MSK/GI na cardiopulmonary PES types hazijathibitishwa.
• Haijaonyeshwa kwamba PES kundi inatofautiana significantly na wasio na dalili household watu waliokuwa na mawasiliano.

Mapungufu makuu ya utafiti

Sample ndogo: Limitation ya kwanza iliyoelezwa wazi na waandishi ni sampuli size. Katika utafiti kubwa zaidi, additional PES-associated metaboliti zinaweza kupatikana.

Convenience sampuli: Samples zilichaguliwa kutoka suitable plasma sampuli katika ongoing kohorti, na watu wenye more frequent MSK/GI sequelae au multiple cardiopulmonary findings walipewa priority katika inclusion. Kwa hiyo haiwezi kudhaniwa kwamba sampuli inawakilisha EVD walionusurika wote.

Single metabolomic time point: Kwa kila participant, metabolomic sampuli ya time point moja tu ilitumika katika uchanganuzi hii. Kwa hiyo haionyeshwi metaboliti zinabadilika vipi over time au kama differences zilitokea before au after development ya PES.

Plasma level: Plasma pekee ilichambuliwa. Cellular metabolizimu, mitochondrial function, T-cell metabolizimu au tissue-level mechanisms hazikupimwa moja kwa moja.

PES–household mtu aliyekuwa na mawasiliano comparison: Katika comparison hii, hakuna muhimu kitakwimu differential metaboliti iliyopatikana. Waandishi wanajadili sampuli size na unique kimetaboliki wasifu ya wasio na dalili EVD walionusurika miongoni mwa possible explanations.

Internal uthibitishaji: Validation kohorti ya watu 18 ilitenganishwa kwa nasibu kutoka utafiti population hiyo hiyo. External uthibitishaji haikufanywa katika huru center au tofauti country/population.

Causality: Design ni observational. Study hii haiwezi kuamua kama kimetaboliki changes ni cause ya PES, matokeo yake, au marker ya third factor.

Nguvu za utafiti

Study inachunguza post-Ebola sequelae si tu katika symptom level bali kwa broad metabolomic wasifu. Kulinganisha EVD walionusurika wenye na wasio na PES kunatoa moja kwa moja framework ya kuchunguza kama kimetaboliki differences zinaendelea baada ya acute infection.

Zaidi ya hayo, kutumia pamoja analytic approaches nyingi kama univariate uchanganuzi, njia uchanganuzi, uwiano, PCA/PLS-DA na Random Forest; metaboliti 10 zilezile kuchaguliwa na PLS-DA na RF, na kujaribiwa tena kwenye held-out uthibitishaji subset, kumewezesha findings za utafiti kupimwa kutoka analytic perspectives tofauti.

Haja ya utafiti wa baadaye

Waandishi wanapendekeza hasa uchunguzi wa kina zaidi wa cellular immunometabolism na T-cell function. Larger sampuli, huru uthibitishaji kohorti na cellular-level studies zinahitajika ili kuelewa biological role ya kimetaboliki changes katika PES.

Kuitwa kwa metaboliti zilizotambuliwa “potential biomarkers” pia kunajumuisha hitaji hili la baadaye research. Potential biomarker haimaanishi validated test iliyo tayari kwa kliniki use.

Idhini ya maadili

Study iliidhinishwa na Tulane University Institutional Review Board kwa namba IRB 701226 na Sierra Leone Ethics and Scientific Review Committee kwa namba 021/11/2024 .

Written informed consent ilipatikana kutoka adults wenye umri wa 18 na zaidi. Kwa watoto wa miaka 12–17, assent ya mtoto ilipatikana pamoja na consent ya parent au guardian; kwa watoto chini ya 12, parent au guardian consent ilitumika. Inaelezwa kuwa utafiti staff walikuwa trained katika ethics na research compliance.

Maelezo ya Chanzo na Mbinu

Kichwa asilia: Metabolic Basis of Post-Infectious Sequelae After Ebola Virus Disease

Waandishi na mpangilio: Anna Sanford; Nell Bond; Samuel Ficenec; Charlotte Osterman; Payton Farkas; Emily Engel; Bronwyn Gunn; Donald S. Grant; Robert Samuels; Kevin Zwezdaryk; John Schieffelin.

Co-senior authors: Katika chanzo, asterisk imeelezwa kwa Kevin Zwezdaryk na John Schieffelin kama “co-senior author”.

Corresponding author: Anna Sanford, Tulane University School of Medicine, Department of Pediatrics.

Affiliation 1: Tulane University, New Orleans, Louisiana, USA.

Affiliation 2: Washington State University, Pullman, Washington, USA.

Affiliation 3: Kenema Government Hospital, Kenema, Sierra Leone.

Aina ya chanzo kilichopakiwa: medRxiv preprint.

Preprint DOI: 10.64898/2026.01.02.25343095.

Tarehe ya preprint publication: 6 Januari 2026.

Hali ya peer review: PDF iliyopakiwa ilikuwa haijapitia peer review wakati ilipochapishwa na inaeleza hili wazi kwenye kila page.

Version iliyochapishwa baadaye: Study hiyo hiyo ilichapishwa tarehe 10 Oktoba 2026 katika journal Metabolomics kama peer-reviewed Original Article.

DOI ya peer-reviewed version: 10.1007/s11306-026-02544-z.

Bibliografia ya peer-reviewed version: Metabolomics, Volume 22, Article 170, 2026.

Version-use note: Scientific numbers na analyses za makala hii ya Verianla zimechukuliwa kutoka medRxiv preprint iliyopakiwa. Later peer-reviewed version imethibitishwa tu ili bibliographic status ielezwe correctly; scientific content ya versions mbili haijachanganywa kimya kimya.

Leseni: Preprint iliyopakiwa imetolewa chini ya Creative Commons Attribution 4.0 International (CC BY 4.0) license.

Muundo wa utafiti: Observational metabolomiki sub-utafiti based on plasma sampuli kutoka ongoing kohorti ya EVD walionusurika na household watu waliokuwa na mawasiliano nchini Sierra Leone.

Sample: EVD walionusurika 37 wenye PES; wasio na dalili EVD walionusurika 20; wasio na dalili household watu waliokuwa na mawasiliano 20.

PES subgroups: 18 MSK/GI sequelae; 19 cardiopulmonary sequelae.

Kipindi cha sampuli collection: Machi 2016–Aprili 2019.

Main laboratory method: Untargeted LC-MS/MS metabolomiki.

Extraction: Cold acetonitrile na formic acid.

Analysis provider: Gigantest Inc., Baltimore, Maryland.

Main uchanganuzi software: MetaboAnalyst 6.0, R Studio 4.4.2, JMP 18.1.0, Cytoscape 3.10.3 na XCalibur.

Missing data: Values 2.762 (%8,9); imputation kwa 1/5 ya minimum chanya thamani ya kigezo husika.

Filtering: Variables zenye RSD > %25 ziliondolewa; %25 ya vigezo zikaondolewa ili kupunguza nearly constant vigezo katika low tail ya IQR.

Normalization: Median normalization na log10 transformation.

Univariate umuhimu wa kitakwimu: Student's t-test; FC > 2,0 na Benjamini–Hochberg FDR < 0,05.

Pathway umuhimu wa kitakwimu: Impact score > 0,2 na FDR < 0,05.

Correlation: Spearman's R; TCA mtandao representation ya muhimu kitakwimu relationships ilifanywa kwa Cytoscape.

Multivariate uchanganuzi: PCA na PLS-DA.

Biomarker modeli: PLS-DA na Random Forest.

Discovery/uthibitishaji split: 39 walionusurika discovery kohorti, 18 walionusurika uthibitishaji kohorti.

Cross-uthibitishaji: Runs 100 za Monte-Carlo cross-uthibitishaji katika discovery modeli.

Main matokeo: Kati ya metaboliti 544, 34 zilipatikana kuwa differential kati ya PES na wasio na dalili EVD walionusurika; 26 zilikuwa chini, 8 juu.

PLS-DA Figure 3: Two-component modeli; accuracy 0,86, R²=0,66, Q²=0,45.

Biomarker uthibitishaji accuracy: PLS-DA 0,799; Random Forest 0,796.

Figure 5 uthibitishaji AUC: PLS-DA 0,881 (%95 CI 0,54–1,00); Random Forest 0,91 (%95 CI 0,75–1,00).

Upatikanaji wa data: Chanzo kinaeleza kwamba ghafi data zinaweza kupatikana kutoka kwa waandishi upon reasonable request na zitapakiwa kwenye online data repository.

Ufadhili: Utafiti uliungwa mkono na National Institutes of Health kupitia grants 1R01AI123535 na 1R01AI175698 (J.S.S.), 1R01AG082899 (K.J.Z.), R38HL155774 (A.C.S.), na grant NIH U01AI151812 (J.S.S.) chini ya West African Emerging Infectious Disease Research Center.

Mgongano wa maslahi: Katika preprint PDF iliyopakiwa, hakuna tofauti and explicit competing interests / conflict of interest statement iliyotambuliwa; statement ambayo haipo katika chanzo haijaongezwa.

Michango ya waandishi: Conceptualization: AS, NB, KZ, JS; data curation: NB, EE; formal uchanganuzi: AS, NB, KZ, JS; funding acquisition: AS, JS; investigation: CO, PF, RS, AS; methodology: AS, NB, KZ, BG, JS; project administration: AS, NB, EE, DG, JS; resources: NB, SF, EE, RS, BG, DG, JS; supervision: NB, KZ, JS; visualization: AS, NB, KZ, JS; original draft: AS, NB, JS; review and editing: AS, NB, JS, RS, KZ, SF.

Mapungufu makuu: Sample ndogo na convenience sampuli, single metabolomic time point kwa kila mtu, plasma-only uchanganuzi, kutopimwa moja kwa moja kwa cellular mechanism, kutopatikana muhimu kitakwimu metaboliti difference katika PES–household mtu aliyekuwa na mawasiliano comparison, na biomarker modeli kutathminiwa katika ndani uthibitishaji kundi iliyotenganishwa kutoka utafiti population hiyo hiyo badala ya huru nje kohorti.

Figures za chanzo: Figure 1 metaboliti ramani ya joto na volcano plot; Figure 2 Spearman uwiano ramani ya joto na TCA metaboliti mtandao; Figure 3 PLS-DA kundi separation; Figure 4 njia uchanganuzi; Figure 5 PLS-DA na Random Forest uthibitishaji ROC curves.

Kikomo cha figure reconstruction: Kwa kuwa kuu PDF haina ghafi point coordinates zote za source graphs wala rho thamani katika Supplementary Table 4, hakuna graph yenye false precision iliyotengenezwa kwa deriving approximate data. Exact reported numbers zimehamishwa kwenye HTML tables na methods chain imeelezwa kwa scale-free SVG.

Kikomo cha kliniki interpretation: Metabolites zilizotambuliwa katika utafiti ni candidate biomarkers; hazijavalidate kama approved kliniki test ya kutambua PES au kama treatment target.