In dieser Studie wurden Serumproben von Pneumoniepatienten und gesunden Personen zentrifugiert, lyophilisiert, rekonstituiert und anschließend das Überstand filtriert. Mit der untargeted Metabolomik-Technik basierend auf der Ultrahochleistungsflüssigkeitschromatographie – hochauflösender Massenspektrometrie (UHPLC-HRMS) sowie einer vom Forschungsteam entwickelten automatisierten chemometrischen Datenanalyse-Methode (AntDAS) wurden Verbindungsinformationen extrahiert, ausgerichtet, differenzielle Komponenten gefiltert und Verbindungen identifiziert. Insgesamt wurden 35 differenzielle Metabolite aus 8 Kategorien identifiziert, darunter Aminosäuren und deren Derivate, Lipide, Choline, Carnitine, Indole, Sphingosine, Gallensäuren und Purine. Basierend auf den ausgewählten differenziellen Metaboliten wurden diagnostische Modelle mit vier klassischen chemometrischen Methoden (Fisher-Discriminant, K-Means-Clustering, PLS-DA und SVM) erstellt. Das PLS-DA-Modell zeigte eine gute Anpassung und Vorhersagefähigkeit, wodurch Gruppen mit Pneumonie und gesunde Gruppen genau unterschieden werden konnten; die Modellgenauigkeit betrug 94,08 %. Die Ergebnisse könnten neue Ansätze für die präzise Diagnose von Pneumonie bieten.

Pneumonie;Serum;Ultrahochleistungsflüssigkeitschromatographie - hochauflösende Massenspektrometrie (UHPLC-HRMS);AntDAS-DDA;Chemometrie;Metabolomik