综合生物信息学和人工智能对转录学数据的分析确定了与主要抑郁症相关的基因,包括NRG1
Amal Bouzid1, Abdulrahman Almidani1, Maria Zubrikhina2
1Research Institute for Medical and Health Sciences, University of Sharjah, Sharjah, United Arab Emirates.
Neurobiology of stress
|August 16, 2023
概括
研究人员使用人工智能和生物信息学确定了主要抑郁症 (MDD) 的关键生物标志物. NRG1显示为抑郁症的非侵入性诊断标记物有前途,有助于早期干预.
科学领域:
- 计算生物学是一种计算生物学.
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
背景情况:
- 重度抑郁症 (MDD) 是一种患有复杂病因的流行精神疾病,使得早期诊断具有挑战性.
- 确定可靠的诊断生物标志物对于及时干预和改善患者结果至关重要.
研究的目的:
- 将人工智能 (AI) 和生物信息学应用于转录数据,以识别MDD的新生物标志物.
- 在独立的队列和生物样本中验证已识别的生物标志物的诊断潜力,特别是NRG1.
主要方法:
- 通过基因组丰富分析 (GSEA) 和机器学习 (ML) 分析了来自170名MDD患者和121名健康对照者的转录组数据.
- 使用特征选择和ML算法来构建MDD的预测模型.
- 独立的数据集和唾液样本用于验证,以及人类大脑区域的功能映射.
主要成果:
- 在MDD中,GSEA揭示了免疫,炎症,神经退行和小脑缩途径的丰富.
- 基于改变的基因表达,ML模型在预测MDD方面达到≥75%的准确性.
- 确定了10个关键的MDD生物标志物,NRG1在区分MDD患者和对照者方面表现强.
结论:
- 综合人工智能和生物信息学方法成功地确定了MDD潜在的非侵入性诊断生物标志物的小组.
- NRG1,在MDD患者中升级调节,在相关的大脑区域高度表达,显示出作为诊断标记物的巨大潜力.
- 这些发现为早期发现和介入重大抑郁症的策略铺平了道路.
