人工智能和高维技术在全身性红斑狼的治疗中
Katherine Nay Yaung1, Joo Guan Yeo2, Pavanish Kumar3
1Translational Immunology Institute, SingHealth Duke-NUS Academic Medical Centre, Singapore; Duke-NUS Medical School, Singapore.
The Lancet. Rheumatology
|January 22, 2024
概括
系统性红斑狼 (SLE) 研究正在通过多omics数据集成取得进展. 通过基因组学和蛋白质组学了解SLE机制可以识别生物标志物,以便更好地选择治疗和患者的结果.
科学领域:
- 免疫学 免疫学 免疫学
- 遗传学 遗传学 是一个
- 系统生物学 系统生物学
背景情况:
- 系统性红斑狼 (SLE) 是一种复杂的自身免疫性疾病,具有免疫调节失调.
- 多因素致病导致临床异质性,使诊断和治疗复杂化.
- 目前的治疗方法在许多患者中显示出不充分的反应,尽管最近的进展.
研究的目的:
- 审查SLE研究中多学科方法的演变.
- 探索整合基因组学,表观基因组学,转录基因组学和蛋白质基因组学数据的方法.
- 加强SLE的临床评估和治疗策略.
主要方法:
- 审查基因组学,表观基因组学,转录基因组学和蛋白质基因组学方面的进展.
- 讨论数据合并的基于系统的方法.
- 探索加强多学科数据整合的方法.
主要成果:
- 多学科数据集成提供了关于SLE病变的整体观点.
- 基于系统的方法对于组合各种生物数据至关重要.
- 来自综合数据的机械洞察力可以揭示新的治疗点.
结论:
- 为了更深入地了解SLE机制,需要整合多学科数据.
- 通过这种综合方法,可以发现功能相关的生物标志物.
- 改进的生物标志物发现将指导合理的治疗选择,以获得更好的患者结果.
