对阿尔茨海默病生物标志物级联的个性化计算因果建模
J R Petrella1, J Jiang, K Sreeram
1Jeffrey R. Petrella, Department of Radiology, Duke University School of Medicine, DUMC - Box 3808 , 27710-3808, NC, USA jeffrey.petrella@duke.edu.
The journal of prevention of Alzheimer's disease
|February 20, 2024
概括
这项研究表明,使用个人生物标志物数据来个性化阿尔茨海默病 (AD) 进展的数学模型的可行性. 这种方法可以更好地了解疾病驱动因素,并预测个体患者的发展轨迹.
科学领域:
- 计算生物学是一种计算生物学.
- 生物医学建模模型
- 个性化医疗是个性化的医疗.
背景情况:
- 数学模型对于理解像阿尔茨海默氏症 (AD) 这样的复杂疾病至关重要.
- 以前的AD模型专注于细胞水平和短时间尺度.
- 缺乏在个体受试者中使用临床生物标志物的个性化机械模型.
研究的目的:
- 调查个性化阿尔茨海默病 (AD) 进展因果模型的可行性.
- 为了利用纵向生物标记数据用于个体受试者建模.
主要方法:
- 将阿尔茨海默病生物标记物级联模型改编为数学框架.
- 利用来自800多名阿尔茨海默病神经成像倡议参与者的纵向数据.
- 采用微分方程系统与四个关键生物标志物 (CSF蛋白质,成像,认知测试).
主要成果:
- 个性化产生了14个特定对象的参数,反映了疾病特征.
- 在临床诊断组 (认知正常,MCI,痴呆症) 中观察到参数的显著差异.
- 该模型在拟合训练数据 (RMSE 0.09) 和预测未来生物标志物值 (RMSE 0.15) 中表现出高准确度.
- 集群分析确定了两个独特的内分类型组,具有独特的疾病轨迹.
结论:
- 将机械模型与个别生物标志物数据个性化是可行的.
- 这种方法可以帮助重新分类患者沿着AD临床谱.
- 该计算平台可以验证AD假设,个性化轨迹,并预测干预反应.
