人工智能驱动的多组学预测模型用于腹腔大动脉动脉瘤亚型,以识别异质免疫细胞透并预测疾病进展
Lin Zhang1, Han Yang1, Chenxing Zhou1
1The First Affiliated Hospital of Guangxi Medical University, Nanning, Guangxi, PR China.
International immunopharmacology
|July 9, 2024
概括
人工智能识别了两种腹腔大动脉瘤 (AAA) 亚型,从而实现了准确的风险分层. 激活CXCL1 (化学因子C-X-C动因配体1) 途径驱动AAA的进展,这表明一个潜在的治疗标.
科学领域:
- 心血管研究研究心血管研究
- 人工智能在医学中的应用
- 免疫学 免疫学 免疫学
背景情况:
- 腹腔大动脉动脉瘤 (AAA) 是一种具有复杂病源性的重大血管疾病.
- 了解AAA异质性和免疫细胞透对于预测疾病进展至关重要.
- 不同AAA亚型中中性粒细胞的作用需要进一步阐明.
研究的目的:
- 为AAA亚型预测开发一个人工智能驱动的多态模型.
- 在AAA中识别异质免疫细胞透.
- 调查中性粒细胞异质性及其与AAA病变发生的联系.
主要方法:
- 使用k-means算法将517名AAA患者分为各个亚型.
- 使用卷积神经网络 (CNN) 进行AAA的图像分析.
- 使用临床,成像和免疫学数据构建一个预测模型.
- 分析中性粒细胞水平,免疫细胞透,以及CXCL1/NF-κB通路.
主要成果:
- 确定了两种不同的AAA亚型,其中一种具有更大的严重性.
- 人工智能模型准确地区分了AAA亚型 (AUC=0.927).
- 在AAA中,CXCL1,NF-κB,IL-1β和IL-8被上调,与中性粒细胞激活相关.
结论:
- 基于人工智能的预测模型为AAA提供了可靠的风险分层.
- 过度表达CXCL1通过NF-κB通路激活中性粒细胞,有助于AAA的发展.
- CXCL1/NF-κB通路代表了AAA.的潜在治疗标.
