绘制阿尔茨海默氏病的虚假进展与多种模式的生物标志物轨迹嵌入

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 生物医学数据科学 生物医学数据科学

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,影响全球数百万人.
• 准确地绘制AD进展的地图对于早期检测,干预和治疗开发至关重要,但仍然具有挑战性.
• 了解异质性疾病途径是个性化医学方法的关键.

研究的目的:

• 开发和验证一种新的分析管道,用于建模异质阿尔茨海默病进展途径.
• 利用来自单细胞转录学的机器学习技术来分析纵向神经成像和生物标记数据.
• 为疾病建模和早期诊断提供更精确的方法.

主要方法:

• 提出了一个整合PHATE和Slingshot的分析管道,来自单细胞转录组学的机器学习方法.
• 从纵向数据到低维空间的多式生物标志物轨迹的预测,以生成伪时间估计.
• 将管道应用于阿尔茨海默病神经成像计划 (ADNI) 数据集,以对准个体疾病轨迹.

主要成果:

• 假名时间估计揭示了阿尔茨海默病演变和生物标志物随时间变化的明显模式.
• 证明了在不同疾病阶段对不同个体的纵向数据进行调整的能力.
• 确定了疾病进展中的异质时间动态.

结论:

• 开发的方法为了解阿尔茨海默病的时间动态提供了一种新的方法.
• 这些发现突出了更精确的疾病建模和神经退行性疾病早期诊断的潜力.
• 这种方法提供了对个体患者轨迹和AD生物标志物演变的更深入的见解.