使用多层网络分析,模糊逻辑模型和深度学习技术构建一个外泄性与年龄相关的斑点退行症诊断和治疗分子网络:视网膜和大脑神经退行性疾病是否相关?

科学领域:

• 眼科医生 眼科 眼科
• 遗传学 遗传学 是一个
• 神经科学是一个神经科学.
• 计算生物学 计算生物学

背景情况:

• 神经血管与年龄相关的黄斑变性 (nAMD) 在老年人中导致不可逆转的视力丧失.
• 目前针对nAMD的抗血管内皮生长因子 (抗VEGF) 治疗由于补偿途径而存在局限性.
• 系统层面对nAMD病理生理学的理解对于改善临床管理至关重要.

研究的目的:

• 为了识别关键蛋白质,miRNAs,lncRNAs,代谢物和参与nAMD病变的SNP.
• 探索nAMD和神经退行性疾病之间的潜在联系.
• 为了利用人工智能在nAMD中发现新药.

主要方法:

• 多层网络分析以确定关键分子参与者.
• 对nAMD,阿尔茨海默病,精神分裂症,多发性硬化症和帕金森病的分子特征进行比较分析.
• 应用LSTM网络,模糊逻辑和基因算法用于代谢物识别.

主要成果:

• 在nAMD中鉴定了30个关键基因,6个miRNA和4个lncRNA.
• 发现了nAMD,阿尔茨海默病和精神分裂症中常见的三个关键代谢物.
• 在nAMD和多种神经退行性疾病中共享的九个关键SNP和相关基因的识别.
• 证明AI在识别nAMD关键代谢物的有效性.

结论:

• nAMD与几个神经退行性疾病共享分子通路,这表明存在潜在的联系.
• 这项研究强调了多奥米克和人工智能方法在理解像nAMD这样的复杂疾病方面的实用性.
• 这些发现为开发新型治疗策略和对nAMD药物重新定位提供了基础.