Zur Erstellung einer systematischen Charakterisierung und eines Vorhersagemodells der klinischen Phänotypen des Cobalamin-C-Mangels (cblC) wurde die UHPLC-QE-Orbitrap-MS-Technologie in Kombination mit Netzwerkanalyse und Chemometrie eingesetzt, um deren Komplexität zu entschlüsseln. Basierend auf den nicht-zielgerichteten metabolomischen Profilen des Blutes, die im Positiv- und Negativmodus mit UHPLC-QE-Orbitrap MS erfasst wurden, wurde der datengetriebene Netzwerkalgorithmus Connect the Dots (CTD) eingesetzt, um schnell hochverbundene gestörte Metaboliten zu identifizieren, und chemometrische Algorithmen lernten komplexe, feine Veränderungsmuster zwischen den Gruppen. Die Untersuchung von zwei klinischen Phänotypen (Epilepsie und metabolisches Syndrom) zeigte, dass die vom CTD-Algorithmus identifizierte Untergruppe der gestörten Metaboliten eine hohe klinische Phänotypspezifität aufweist und die involvierten angereicherten gestörten Wege eng mit den pathogenetischen Mechanismen von Epilepsie und metabolischem Syndrom in Zusammenhang stehen. Darüber hinaus kann der CTD-Algorithmus Kovarianzinformationen zwischen hochverknüpften gestörten Metaboliten messen und Haupt-Krankheitsmodule konstruieren, um die komplexen pathogenetischen Mechanismen von Epilepsie und metabolischem Syndrom systematisch zu charakterisieren. Die identifizierten gestörten Metaboliten wurden als Merkmalsvariablensatz verwendet; mittels 5-facher Kreuzvalidierung betrug die mittlere Fläche unter der ROC-Kurve für die Vorhersage mittels partieller kleinster Quadrate Diskriminanzanalyse, Unterstützungsvektor-Maschine und Random Forest 0,849, 0,897 und 0,909 (Epilepsie) bzw. 0,889, 0,931 und 0,921 (metabolisches Syndrom), die mittleren Matthews-Korrelationskoeffizienten betrugen 0,667, 0,668 und 0,723 (Epilepsie) bzw. 0,686, 0,696 und 0,787 (metabolisches Syndrom). Diese Ergebnisse zeigen die Wirksamkeit der vorgeschlagenen computergestützten Methode zur Aufdeckung der klinischen phänotypischen Komplexität des cblC-Mangels und zur Anleitung personalisierter Diagnosestrategien.

Cobalamin-C-Mangel;systematische Charakterisierung und Vorhersage klinischer Phänotypen;UHPLC-QE-Orbitrap MS;CTD-Netzwerkalgorithmus;Chemometrie-Algorithmen;personalisierte Diagnostik