用生存机器学习识别阿尔茨海默病的蛋白质基预后标记:弗雷明汉心脏研究
Yuanming Leng1, Huitong Ding2,3, Ting Fang Alvin Ang2,3,4
1Department of Biostatistics, Boston University School of Public Health, Boston, MA, 02118, USA.
medRxiv : the preprint server for health sciences
|October 14, 2024
概括
这项研究确定了9种可显著改善阿尔茨海默病 (AD) 预测的血蛋白. 开发的综合评分有助于早期发现AD并监测治疗疗效.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 神经科学是一个神经科学.
- 生物标志物发现发现
背景情况:
- 蛋白质丰富度反映了生理变化,是评估阿尔茨海默病 (AD) 风险和治疗有效性的关键.
- 蛋白质组数据中的高维度和相关性对识别预后标记提出了挑战.
- 血蛋白水平为AD病理和进展提供了一个窗口.
研究的目的:
- 为了确定阿尔茨海默病 (AD) 的血蛋白质预后标志物.
- 使用这些标记器开发一个复合得分,以预测AD风险和评估记忆力下降.
- 评估蛋白质组评分对已确定的风险因素的预测性能.
主要方法:
- 分析了来自858名Framingham心脏研究参与者 (年龄≥55岁) 的1128个血蛋白.
- 应用回归和机器学习模型 (LASSO,GBM) 来识别蛋白质标记物.
- 构建加权蛋白质组合评分,评估其预测准确度 (AUC) 和与记忆评分的关联.
主要成果:
- 来自9种蛋白质的复合得分改善了超越年龄,性别,教育和APOE ε4+状态的AD预测.
- 该得分在使用LASSO模型的22年随访后达到0.84的峰值AUC.
- 综合得分显示,在独立和聚合的队列中,与记忆得分有显著的负相关性.
结论:
- 蛋白质标记物对于提高AD预测准确性是有价值的.
- 开发的综合评分显示了早期阿尔茨海默病检测和监测治疗疗效的潜力.
- 建议在不同种群中进一步验证,以确认这些蛋白质标记物的实用性.
