ترجمه فارسی مقاله اثر انگشت لیپیدی توسط ابزار MALDI Biotyper Sirius قادر به تمایز سه زیرگونه مجتمع مایکوباکتریوم آبسهسوس نیست.

چکیده

The number of patients suffering from Mycobacterium abscessus complex (MABC) pulmonary diseases is steadily increasing. MABC consists of three subspecies, and it is recommended that the three subspecies be distinguished because of their differing macrolide susceptibilities. Unfortunately, current methods are inefficient due to their high cost, complexity, and time requirements. The third-generation Bruker MALDI Biotyper (MBT) Sirius has the capability to detect phospholipids and glycolipids using negative-ion mode. Mycobacterial cell walls are rich in lipids, and if lipid structure diversity can serve as species-specific fingerprints, this method may provide an alternative for microbial identification. This study aimed to examine the accuracy of discriminating between the three MABC subspecies by lipid profiling. Our best model failed to differentiate the three subspecies. Even in the two-dimensional space of the most significant peaks, M. abscessus and M. massiliense could not be separated. The agreement rate between lipid fingerprint-based and WGS-based identification was, at most, 47.2% for negative-ion mode. Even after applying recent machine learning algorithms to detect variables and create predictive models, accuracy remained at 50%. Our results suggest that using lipid fingerprinting alone to differentiate the three MABC subspecies is currently inadequate. Further advancements and standardization of MALDI-TOF MS-based methods are necessary for the routine differentiation of MABC subspecies in clinical settings.

چکیده به فارسی (ترجمه ماشینی)

تعداد بیمارانی که از بیماری ریوی Mycobacterium Abscessus (MABC) رنج می برند ، به طور پیوسته در حال افزایش است.MABC از سه زیر گونه تشکیل شده است و توصیه می شود که سه زیر گونه به دلیل حساسیت متفاوت ماکرولید متمایز شوند.متأسفانه ، روشهای فعلی به دلیل هزینه زیاد ، پیچیدگی و نیازهای زمانی ناکارآمد هستند.نسل سوم Bruker Maldi Biotyper (MBT) Sirius توانایی تشخیص فسفولیپیدها و گلیکولیپیدها را با استفاده از حالت یون منفی دارد.دیواره های سلولی مایکوباکتریایی سرشار از لیپیدها هستند و اگر تنوع ساختار لیپید می تواند به عنوان اثر انگشت خاص گونه باشد ، این روش ممکن است جایگزینی برای شناسایی میکروبی باشد.این مطالعه با هدف بررسی صحت تبعیض بین سه زیر گونه MABC با پروفایل لیپید انجام شد.بهترین مدل ما نتوانست سه زیر گونه را متمایز کند.حتی در فضای دو بعدی از مهمترین قله ها ، M. Abscessus و M. Massiliense نمی توانند از هم جدا شوند.میزان توافق بین شناسایی مبتنی بر اثر انگشت لیپید و شناسایی مبتنی بر WGS ، حداکثر 47.2 ٪ برای حالت یون منفی بود.حتی پس از استفاده از الگوریتم های یادگیری ماشین اخیر برای تشخیص متغیرها و ایجاد مدلهای پیش بینی ، دقت در 50 ٪ باقی مانده است.نتایج ما نشان می دهد که استفاده از اثر انگشت لیپید به تنهایی برای تمایز سه زیر گونه MABC در حال حاضر ناکافی است.پیشرفت های بیشتر و استاندارد سازی روش های مبتنی بر MALDI-TOF برای تمایز روتین زیر گونه های MABC در تنظیمات بالینی ضروری است.