プラズマプロテオミクスと外部ポリジェニックリスクスコアとのイメージングによる臨床エンドタイプを統合することで,冠動脈微血管疾患リスクの予測が向上する

科学分野:

• 心臓病科
• 遺伝学
• 医療用イメージング

背景:

• 冠動脈微小血管疾患 (CMVD) は,心不全症の重要な原因ですが,診断が不十分です.
• CMVDのリスク予測モデルの開発は,限られた大規模な全ゲノム関連研究 (GWAS) によって阻害されています.
• CMVDと冠動脈疾患 (CAD) の間には重要な遺伝的重複があり,多遺伝的リスクスコア (PRS) の発生の可能性があります.

研究 の 目的:

• GWASデータを用いてCMVDポリジェニックリスクスコア (PRS) モデルを開発し評価する.
• PRS,プラズマプロテオミクスを統合し,機械とディープラーニングを使用してCMVDリスク予測を行う.
• 心筋血流のイメージングに基づいたCMVDのための新しい無監督内型化フレームワークを確立する.

主な方法:

• CMVD GWASから変数を選択し,CAD GWASから重みを適用することによって,CMVD PRSを開発しました.
• プラズマプロテオミクス,臨床測定,PRSを機械とディープラーニングモデルのリスク予測に統合した.
• 患者のサブグループを特定するために, perfusion PET-derived myocardial血流データを用いて無監督の内型化フレームワークを作成しました.

主要な成果:

• 統合されたマルチモダルデータ (遺伝学,プロテオミクス,イメージング) は,CMVDリスクの予測を大幅に改善しました.
• 新しいイメージングベースの内型化フレームワークは,異なるCMVD患者のサブグループを明らかにしました.
• この分層化アプローチでは,クラスごとにAUROCが0.65から0.73に達し,従来のモデルを上回りました.

結論:

• この研究は,CMVDに対する最初の画像ベースの内型診断を提示し,リスク予測のための遺伝的およびタンパク質学的データを統合しています.
• マルチモダルのデータ統合と画像ベースの層化は,より正確で個別化されたCMVD診断の枠組みを提供します.
• このアプローチはCMVDの根本的な異質性を捉えており, 適応型の患者管理の道を開いています.