北京比较好的白癜风医院 http://m.39.net/pf/bdfyy/bjzkbdfyy/

临床回顾性研究精通训练营

回顾性临床研究从入门到精通（网络）研讨会（1月~2月）

年1月-2月

导读

背景：高收入国家约有20%的人口受到接触性湿疹的困扰，这种疾病通常与工作环境中接触化学品有关。有两种类型的接触性湿疹，每一种都有自己的病因：过敏性接触性湿疹，由过敏反应引起；非过敏性刺激性湿疹，由化学制剂或物理因素引起。由于这两种类型需要不同的治疗方法，所以正确的诊断是很重要的。这对皮肤科医生来说是很困难的，因为这些疾病有相似的临床症状。诊断通常基于斑贴试验的结果，这些结果通常很难解释，有时会给出假阳性或假阴性结果。

方法：在这项研究中，卡罗林斯卡研究所的研究人员和他们来自芬兰和奥地利大学的同事比较了来自85名接触性湿疹患者的斑贴试验和健康皮肤样本，以检测暴露于不同过敏原和刺激物后皮肤中的基因表达。研究人员利用一种机器学习技术和一个特制的遗传算法相结合，识别出两到三个基因集，这些基因组合在一起可以区分刺激性皮肤反应和过敏性皮肤反应。结果在一个独立的病人组和外部数据集中是可重复的。外部数据集包括暴露于不同物质的患者比第一组的患者，这为新的生物标志物奠定了基础。

影响：接触性皮炎是一种炎症性皮肤病，由皮肤直接接触刺激物或过敏原引起。占职业性皮肤病的90%以上，具有相当大的社会经济影响，患有接触性皮炎的患者可能会出现明显的身体障碍。目前的诊断方法依赖于过敏测试、暴露规范和随访。然而，如何区分刺激性和过敏性接触性皮炎的临床表型，这对于制定适当的治疗策略至关重要，仍然是一个挑战。本研究对人类皮肤过敏性和刺激性接触性皮炎的生物标志物进行了鉴定和验证，为开发新的诊断方法和指导临床诊断提供了依据。他们的研究结果表明，基于这些生物标志物开发一种新的诊断方法有着相当大的潜力，该项目的下一步需要对标记物进行更广泛的临床验证，并对该方法进行技术优化，以达到足够的成本效益和快速达到临床目的。

小结：Fortino等人使用四种接触致敏剂和两种物理化学性质迥异、与职业暴露高度相关的刺激物进行斑贴试验。采用整合转录组分析和机器学习方法，旨在识别接触致敏物和刺激物的复合基因特征，从而区分两种高度交织的疾病亚型，从而解开新的分子生物标记物。

论文ID

原名：Machine-learning–drivenbiomarkerdiscoveryforthediscriminationbetweenallergicandirritantcontactdermatitis

译名：机器学习驱动的识别过敏性和刺激性接触性皮炎的生物标志物发现

期刊：Proc.Natl.Acad.Sci.U.S.A

IF:9.

发表时间：.12.14

发表单位：卡罗林斯卡研究所

原文链接：