Slide Definition of Potential Metabolic Biomarkers of

Ischemic Stroke Induced by Atherosclerosis

Sebelumnya dari hasil PCA Score, diperoleh bahwa distribusi metabolit pada serum pada fase
discovery dan fase validasi terdistribusi dengan baik yang menunjukan bahwa model yang
digunakan dapat dipercaya.

Pada Figure 2, skor R2X (regresi) dan Q2 (chi square) diperoleh dengan menggunakan PLS-DA
Score Map

PLS-DA (Partial Least Squares Discriminant Analysis) adalah metode statistik multivariat yang
ditujukaan untuk mengidentifikasi hubungan antara variable dan kelas/label, berarti dalam hal
ini PLS-DA digunakaan untuk melihat hubungan antara biomarker potensial terhadap grup
model
]
Hasilnya :

L and G Groups
R2X = 0.883, Q2 = 0.776
G and SG groups
R2X = 0.849, Q2 = 0.721
L and SL
R2X = 0.906, Q2 = 0.772
Ini menunjukan bahwa model prediksi yang dibuat dalam percobaan ini memiliki kecocokan
yang baik. Hasil pengujian stabil dan dapat diandalkan.
Dari hasil PLS-DA juga diperoleh 17 metabolit yang berpotensi untuk biomarker IS yang
diinduksi oleh aterosklerosis. 17 metabolit ini diperoleh dengan menggunakan VIP (Variable
important Projection). VIP ini membantu mengidentifikasi variable yang memiliki kontribusi
pada klasifikasi IS yang disebabkan oleh aterosklerosis.

Menggunakan data perpotongan kelompok L dan SL dalam 17 metabolit untuk menyingkirkan

biomarker metabolik yang dapat mempengaruhi IS yang diinduksi aterosklerosis.
Menggunakan kelompok L dan SL karena nilai regresi nya paling tinggi (jadi nilai hubungan
biomarker yang ada pada kelompok L dan SL poinnya paling tinggi untuk berpotensi
mempengaruhi terjadinya IS yang diinduksi oleh aterosklerosis).

Slide Metabolic Marker Analysis

Kemudian 17 biomarker tersebut diuji normalitas dan analisis variansnya menggunakan SPSS.
Perubahan yang signifikan secara statistik (P <.05) dari penanda diferensial terkait penyakit
didapatkan, kemudian dilanjutkan skrining dan komparasi perbedaan antara metabolit
dengan HMDB database. Maka diperolehlah 9 kadidat metabolit uaang berpotensi (table 2).

Setelah verifikasi, 5 biomarker potensial didapatkan. Selanjutnya, multiple comparison analysis

dari 5 biomarker potensial dilakukan dengan menggunakan data peserta dari set validasi (fase
validasi). Hasil menunjukkan bahwa nilai P dari 5 biomarker potensial antara kelompok G dan
SG semuanya kurang dari 0,05, dan perbedaan antara kedua kelompok tersebut signifikan
secara statistik.
Di antara 5 biomarker yang dikonfirmasi pada set validasi, 3 penanda metabolik SM
(18:0/14:0), 1-methylpyrrolinium, dan PC (18:0/18:0) secara signifikan lebih rendah daripada
kelompok kontrol. Dua penanda metabolik, LysoPC (18:0/0:0) dan PC (18:2/18:2), secara
signifikan meningkat daripadaa kelompok kontrol.

Slide Kurva ROC

Setelah didapatkaan biomarker potensial yang dapat digunakan untuk mendiagnosis IS yang
diinduksi arteriosclerosis, untuk mengeksplorasi lebih lanjut apakah penanda ini memiliki
signifikansi diagnostik, penelitian ini menggunakan kurva ROC untuk memverifikasinya.

Hasil kurva ROC menunjukkan bahwa algoritma yang menggabungkan 5 penanda spesifik
dapat secara akurat membedakan antara grup SG dari G, ditunjukaan dengan nilai AUC
sebesar 0,841 (95% CI, 0,750-0,932), dengan sensitivitas sebesar 80%, spesifisitas 82,5%, dan
nilai prediktif positif 80,0%.

5 biomarker potensial yang diprediksi nilai probabilitasnya. Net Reclassification Improvement, and
Integrated Discriminant Improvement Index hasil analisis P < .001, ini menujukan bahwa 5 penanda metabolik
memiliki kemampuan prediksi diagnostik yang baik.

Slide Relationship Between Potential Biomarkers and Clinical

Features and Ischemic Stroke Induced by Atherosclerosis Index
Greater Than 4
Gambar 4A menunjukkan bahwa gangguan metabolisme yang disebabkan oleh IS yang
diinduksi oleh AI > 4 (grup SG) ini berkaitan dengan metabolisme gliserofosfolipid,
metabolisme asam linoleum, metabolisme asam α-linoleum (ALA), SM (Sphingolipid
metabolism), metabolisme asam anakronik, dan jalur lainnya.
Untuk mengamati perubahan tingkat relatif biomarker dalam kelompok yang berbeda secara
lebih intuitif, digunakan hierarchical cluster analysis-heat map dan scatter plot untuk menganalisis
biomarker utama untuk membedakan satu sama lain.

Heat Map menunjukkan perubahan signifikan dari 5 penanda metabolik yang diperoleh dalam
set validasi di antara 3 kelompok, yaitu kelompok G, L, dan SG. Heat map analysis merupakan
suatu metode pengujian untuk representasi data secara visual yang digunakan untuk
membandingkan relatif konsentrasi atau intensitas dari berbagai elemen dalam dua kelompok
atau sampel. Dalam penelitian ini, heat map digunakan untuk membandingkan konsentrasi
relative 5 metabolit potensial terhadap model group (G, L, dan SG).

Bedasarkan hasil heat map dan pathway analysis (gambar 4A) dan heat map menunjukan
bahwa pada pasien dengan AI lebih dari 4, ketika 1-metilpirrolinium, SM (18:0/14:0), dan PC
(18:0/18:0) menunjukkan tren penurunan, dan LysoPC (18:0/0:0) dan PC (18:2/18:2)
menunjukkan tren kenaikan, menandakan bahwa populasi berisiko tinggi mengalami IS yang
disebabkan oleh aterosklerosis.
Pada saat yang sama, tanda-tanda ini dapat memberikan dasar teoritis untuk diagnosis IS yang
disebabkan oleh aterosklerosis. Secara keseluruhan, dengan menggabungkan AI > 4 dan 5
biomarker potensial dapat memberikan peringatan dini untuk diagnosis IS yang disebabkan
oleh aterosklerosis.

Melalui scatter plot (Gbr. 4B-4F), kami menemukan bahwa terdapat perbedaan yang signifikan
antara kelompok kontrol dan 2 kelompok lainnya pada 5 penanda