ネットワーク情報を組み込んだマルチオミクス統合により、病理学的脳加齢の分子サブグループを特定する深層学習

科学分野:

• 神経科学
• ゲノミクス
• 計算生物学

背景:

• アルツハイマー病（AD）のような神経変性疾患は、診断と治療を複雑にする著しい異質性を示します。
• 生物学的ネットワークを用いた高次元で不均衡なマルチオミクスデータの統合は、主要な方法論的課題です。

研究 の 目的:

• 脳加齢における分子サブグループを特定するための、ネットワーク情報を組み込んだマルチオミクス統合フレームワークを開発および検証すること。
• 特定されたサブグループ間の分子および神経病理学的な違いを特徴づけること。

主な方法:

• ROS/MAPコホートからの脳ネットワークとマルチオミクスデータ（トランスクリプトミクス、プロテオミクス、メタボロミクス）を統合するフレームワークを開発しました。
• グラフ埋め込み（ADアトラス）とオートエンコーダーを利用して、階層的クラスタリングのためのマルチオミクス発現スコアを導出しました。
• 独立したコホートでサブグループの堅牢性と分類子のパフォーマンスを検証しました。

主要な成果:

• 認知パフォーマンスと神経病理学的プロファイルが異なる5つの分子サブグループを特定しました。
• トランスクリプトームおよびプロテオームデータの交差検証分類により、信頼性の高いサブグループ識別を示しました。
• シナプス/免疫活性化、ミトコンドリア機能不全、タンパク質恒常性障害を含む、段階依存的な生物学的パターンを明らかにしました。

結論:

• このフレームワークは、臨床診断を超えた洞察を提供する脳加齢の分子サブグループをうまく特定しました。
• 臨床診断群から典型的なアルツハイマー病までの疾患進行のスペクトルが観察され、タウ病理によって区別されました。
• 特定されたサブグループには、参照対照群、混合病理群、およびAD進行段階が含まれます。