Biomarcadores de EEG interpretables para modelos de enfermedades neurológicas en ratones que utilizan clasificadores...

Área de la Ciencia:

• La neurociencia
• La genética
• Biología computacional

Sus antecedentes:

• Los electroencefalogramas (EEG) registran la actividad eléctrica del cerebro, mostrando patrones relacionados con genotipos específicos.
• La identificación de los genotipos de enfermedades neurológicas, especialmente para la epilepsia, es un desafío sin la observación directa de las convulsiones.
• Los fenotipos neurológicos sutiles en modelos animales a menudo carecen de epilepsia manifiesta, lo que complica el diagnóstico del genotipo.

Objetivo del estudio:

• Investigar la predicción de los genotipos de enfermedades neurológicas a partir de señales de EEG a largo plazo en ratones.
• Desarrollar un enfoque de aprendizaje automático para la extracción de biomarcadores de la forma de onda EEG para la predicción del genotipo.
• Para evaluar la eficacia del uso de los recuentos de ocurrencia de las formas de onda EEG para identificar los genotipos asociados a la epilepsia.

Principales métodos:

• Se utilizaron señales de EEG a largo plazo de ratones de comportamiento libre en seis grupos (tres cepas endogámicas con y sin knockout del gen TSC1).
• Desarrolló un modelo de aprendizaje automático utilizando un diccionario de formas de onda optimizadas para aproximar ventanas de EEG.
• La regresión logística empleada en la ocurrencia de la forma de onda cuenta como características para la predicción del genotipo, validada a través de la validación cruzada.

Principales resultados:

• El conteo de la forma de onda a partir de segmentos de EEG de varias horas predijo con fiabilidad la tensión del ratón (precisión del 70%).
• Los clasificadores específicos de la cepa identificaron el genotipo de epilepsia (TSC1 knockout) con una sensibilidad del 67% en ratones DBA2 y C57B6.
• Se logró una alta especificidad (100% para DBA2, 67% para C57B6) sin convulsiones manifiestas ni convulsiones detectadas.

Conclusiones:

• Las formas de onda EEG sirven como valiosos biomarcadores fenotípicos para identificar los genotipos de la epilepsia.
• La representación de la característica "bolsa de ondas" es efectiva para la predicción del genotipo a partir de los datos del EEG.
• Este enfoque de aprendizaje automático tiene potencial para diagnosticar fenotipos neurológicos sutiles y genotipos de epilepsia.