机器学习驱动的生物标志物在1型高希氏病患者骨并发症的发现

1型戈谢病（GD1）是一种由葡萄糖脑苷脂酶缺乏引起的罕见常染色体隐性遗传病。骨骼表现是GD1最致残且可能不可逆的并发症之一。尽管影像学检查是诊断的金标准，但仍需早期诊断/预后工具（如分子生物标志物），以实现对骨骼并发症的快速管理。本研究旨在利用人工智能识别潜在的蛋白质生物标志物，以预测GD1患者骨骼并发症的早期诊断。采用新型治疗性能图谱系统（Therapeutic Performance Mapping System）方法进行计算机模拟研究，在蛋白质水平构建GD1相关并发症的数学模型。建模前进行了病理生理学特征分析，并对模型中每种蛋白质的预测活性应用数据科学策略以识别分类器。通过统计学标准筛选最具前景的候选蛋白，共鉴定出18个候选蛋白。其中，PDGFB、IL1R2、PTH和CCL3（MIP-1α）因在血液中易于检测而尤为突出。本研究提出了一种经过验证的新型工具，可用于发现新的蛋白质生物标志物，从而在尚未满足临床需求的领域支持临床医生的决策。然而，仍需通过体外和/或体内研究进一步验证本研究结果。 关键词：1型戈谢病，骨骼并发症，生物标志物，人工智能，治疗性能图谱系统，蛋白质组学，PDGFB，IL1R2，PTH，CCL3，MIP-1α