COVID-19: identificati tre nuovi marcatori di gravità di...

L’applicazione del machine learning allo studio di...

L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa. L’applicazione del machine learning allo studio di microbiota e metaboloma salivare permetterà la personalizzazione gestionale in situazioni di diagnosi complessa.
ReAd files
  • ReAd files
  • ReAd files
News
15/02/2022
COVID-19: identificati tre nuovi marcatori di gravità di malattia

Nella ricerca di nuovi marcatori di gravità da utilizzare nelle fasi precoci della malattia emerge il recente studio pubblicato su Gastro Hep Advances 2022;1:194–209, coordinato da Maria Rescigno, a capo del Laboratorio di immunologia delle mucose e microbiota di Humanitas. Lo studio ha analizzato i campioni di saliva e di sangue raccolti nel corso di due studi osservazionali di coorte. Utilizzando approcci di machine learning, il metaboloma salivare di 50 pazienti con COVID-19 è stato confrontato con quello di 270 individui sani precedentemente esposti o meno al virus SARS-CoV-2. I metaboliti salivari che hanno permesso di separare i pazienti ricoverati per COVID-19 dai pazienti non ricoverati sono stati correlati con biomarcatori del siero e microbiota salivare diversamente rappresentati nei due gruppi di pazienti.  Dopo avere eliminato i parametri confondenti e il fattore età, sono stati isolati due metaboliti, mioinositolo e acido acetico 2 pirrolidinico che, insieme a una proteina presente nel sangue (chitinasi 3-L1), hanno dimostrato di essere correlati alla gravità di COVID-19, quindi alla necessità o meno di ricovero. 

 

×
×
Icon