机器学习辅助下白藜芦醇治疗急性胰腺炎模型小鼠的疗效研究

摘要

目的 建立白藜芦醇（resveratrol, RES）治疗急性胰腺炎（acute pancreatitis, AP）病理损伤的机器学习（machine learning, ML）预测模型，并通过动物模型验证，优化RES在治疗AP中的应用策略。方法 根据文献数据建立ML预测模型，利用可解释性分析方法，在剂量-给药频次参数空间识别高疗效区，筛选出兼具疗效与实验可行性的最优给药方案。将32只C57BL/6小鼠随机分成4组：腹腔注射生理盐水的对照组（Ctrl组）、腹腔注射雨蛙素（50μg/kg,1次/h，共注射10次）诱导的AP模型组（CER-AP组）、CER-AP经RES腹腔注射治疗组（RES i.p.组）和CER-AP经RES灌胃治疗组（RES i.g.组），每组8只。治疗组根据ML预测模型确定的最优剂量和时机分别给予RES。各组小鼠均于实验开始后12 h收集血液和组织样本。结果 基于Hyperopt优化后的梯度提升决策树模型表现最佳，预测最优剂量和给药次数分别为19.992 mg/kg及3.828次，因此在动物实验中采用20 mg/kg剂量给药4次的方案。动物实验结果显示，与Ctrl组相比，CER-AP组小鼠的胰腺病理评分、血清淀粉酶、脂肪酶、胰腺髓过氧化物酶、胰蛋白酶水平均升高，差异有统计学意义（均P<0.05）。给予20 mg/kg RES后，腹腔注射与灌胃两种给药方式均能在不同程度上改善胰腺组织的炎症浸润、坏死和总分，并降低血清淀粉酶、脂肪酶及胰腺髓过氧化物酶（myeloperoxidase, MPO）水平，差异有统计学意义（均P<0.05）。结论 20 mg/kg RES给药4次能有效减轻CER-AP的严重程度。RES可能通过多靶点调控网络，抑制炎症级联反应、缓解氧化应激并减少细胞凋亡，从而减轻胰腺组织损伤及全身炎症反应。

关键词

急性胰腺炎 / 白藜芦醇 / 机器学习 / 实验验证