血蛋白质组数据的机器学习模型可以预测慢性中风中的情绪,并将其与异常的外周免疫反应联系起来

科学领域:

• 神经科学是一个神经科学.
• 免疫学 免疫学 免疫学
• 蛋白质组学是指蛋白质组学.

背景情况:

• 脑卒中后抑郁症是缺血性脑卒中后的频繁和严重并发症.
• 慢性中风后抑郁症的潜在生物机制仍然不太清楚.
• 确定中风后情绪障碍的预测生物标志物对于及时干预至关重要.

研究的目的:

• 研究患有慢性中风的个体的血蛋白质组形状和情绪之间的关系.
• 开发一种机器学习模型,使用蛋白质组数据预测情绪状态.
• 确定与中风后情绪调节相关的特定蛋白质和途径.

主要方法:

• 奥林克蛋白质组学技术用于测量85名慢性中风幸存者的1,196种血蛋白.
• 机器学习多变量回归模型被用来预测情绪得分 (中风影响量表-3,SIS3).
• 参与者被分为更好或更糟糕的情绪组进行候选蛋白质分析.

主要成果:

• 机器学习模型证实了血蛋白质组数据和慢性中风情绪之间存在显著的关联.
• 当将年龄和中风后的时间与蛋白质组数据相结合时,情绪的预测准确度最高.
• 虽然没有单一的蛋白质预测情绪,但分析显示,许多蛋白质与严重抑郁症有关,免疫蛋白质升高与情绪恶化有关.

结论:

• 血蛋白质组学与临床因素相结合,可以预测慢性中风中的情绪.
• 过度激活的免疫反应,可能会影响血清素活性和神经元可塑性,是慢性中风后抑郁症的关键因素.
• 这些发现强调了免疫系统是治疗中风后情绪障碍的潜在目标.