
-
生物通官微
陪你抓住生命科技
跳动的脉搏
针对下呼吸道感染的靶向下一代测序的定量解释模型:一项多中心前瞻性研究
《Respiratory Research》:Quantitative interpretation models for targeted next-generation sequencing in lower respiratory tract infections: a multicenter prospective study
【字体: 大 中 小 】 时间:2026年05月10日 来源:Respiratory Research 5
编辑推荐:
摘要背景下呼吸道感染(LRTIs)是全球主要的健康负担之一。尽管靶向下一代测序(tNGS)在病原体检测方面具有潜在优势,但其临床应用受到缺乏经过验证的定量判别标准的阻碍。方法我们从2022年1月到2025年3月,在中国東部的五个重症监护病房对631名疑似LRTIs的患者进行了多中
下呼吸道感染(LRTIs)是全球主要的健康负担之一。尽管靶向下一代测序(tNGS)在病原体检测方面具有潜在优势,但其临床应用受到缺乏经过验证的定量判别标准的阻碍。
我们从2022年1月到2025年3月,在中国東部的五个重症监护病房对631名疑似LRTIs的患者进行了多中心前瞻性研究。这些患者的支气管肺泡灌洗液样本同时接受了tNGS检测和传统的微生物学检测(CMT)。专家小组A通过将患者分为LRTI和非LRTI两组,并根据全面的临床标准识别出具有临床意义的病原体,从而建立了参考标准。专家小组B不了解tNGS的定量数据,仅基于检测到的微生物提供定性解读,以排除定量参数的影响。专家小组C不了解所有tNGS数据,基于传统的微生物学检测结果结合临床表现进行解读。我们使用一个训练队列(n = 420)开发了基于每百万 mapped 读数中每千碱基的读取次数(RPKM)和病原体拷贝数的定量诊断模型,并在独立队列(n = 211)中对其进行了验证。
在631名患者中,有358人(56.7%)符合LRTI的诊断标准。77名患者出现多重感染,其中大部分患者同时感染了鲍曼不动杆菌(Acinetobacter baumannii)和铜绿假单胞菌(Pseudomonas aeruginosa)。tNGS在检测革兰氏阴性细菌、念珠菌属(Candida)物种和肺孢子菌(Pneumocystis jirovecii)方面表现出更好的效果,而CMT在检测曲霉菌属(Aspergillus)物种方面表现出色。定量模型在区分细菌病原体方面表现出优异的性能。仅使用传统微生物学检测的敏感性和特异性分别为58.7%和74.7%。将临床表现纳入CMT后,敏感性提高至68.8%,特异性为72.0%。相比之下,定性tNGS的敏感性为78.5%,特异性为76.6%,而基于模型的算法显示出最高的诊断准确性,敏感性为82.4%,特异性为85.0%。在抗菌素耐药性预测方面,tNGS的准确性为中等(AUC 0.715),对关键的抗菌素耐药性标志物(包括KPC、NDM、OXA-48和mecA)的检测一致性较高。
我们开发并验证了基于tNGS的病原体检测定量模型,能够精确地区分致病菌和背景微生物。这些模型代表了tNGS在LRTI诊断和抗菌素耐药性检测临床应用方面的重大进展。
下呼吸道感染(LRTIs)是全球主要的健康负担之一。尽管靶向下一代测序(tNGS)在病原体检测方面具有潜在优势,但其临床应用受到缺乏经过验证的定量判别标准的阻碍。
我们从2022年1月到2025年3月,在中国東部的五个重症监护病房对631名疑似LRTIs的患者进行了多中心前瞻性研究。这些患者的支气管肺泡灌洗液样本同时接受了tNGS检测和传统的微生物学检测(CMT)。专家小组A通过将患者分为LRTI和非LRTI两组,并根据全面的临床标准识别出具有临床意义的病原体,从而建立了参考标准。专家小组B不了解tNGS的定量数据,仅基于检测到的微生物提供定性解读,以排除定量参数的影响。专家小组C不了解所有tNGS数据,基于传统的微生物学检测结果结合临床表现进行解读。我们使用一个训练队列(n = 420)开发了基于每百万 mapped 读数中每千碱基的读取次数(RPKM)和病原体拷贝数的定量诊断模型,并在独立队列(n = 211)中对其进行了验证。
在631名患者中,有358人(56.7%)符合LRTI的诊断标准。77名患者出现多重感染,其中大部分患者同时感染了鲍曼不动杆菌(Acinetobacter baumannii)和铜绿假单胞菌(Pseudomonas aeruginosa)。tNGS在检测革兰氏阴性细菌、念珠菌属(Candida)物种和肺孢子菌(Pneumocystis jirovecii)方面表现出更好的效果,而CMT在检测曲霉菌属(Aspergillus)物种方面表现出色。定量模型在区分细菌病原体方面表现出优异的性能。仅使用传统微生物学检测的敏感性和特异性分别为58.7%和74.7%。将临床表现纳入CMT后,敏感性提高至68.8%,特异性为72.0%。相比之下,定性tNGS的敏感性为78.5%,特异性为76.6%,而基于模型的算法显示出最高的诊断准确性,敏感性为82.4%,特异性为85.0%。在抗菌素耐药性预测方面,tNGS的准确性为中等(AUC 0.715),对关键的抗菌素耐药性标志物(包括KPC、NDM、OXA-48和mecA)的检测一致性较高。
我们开发并验证了基于tNGS的病原体检测定量模型,能够精确地区分致病菌和背景微生物。这些模型代表了tNGS在LRTI诊断和抗菌素耐药性检测临床应用方面的重大进展。
生物通微信公众号