GeneDX-PBMC:使用血液单细胞RNA测序数据解锁阿尔茨海默病生物标志物的对抗性自编码框架

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 阿尔茨海默氏病 (AD) 的发病包括复杂的免疫失调.
• 周围血液单核细胞 (PBMC) 是非侵入性AD生物标志物的潜在来源.
• 目前对阿尔茨海默病的诊断方法往往缺乏敏感性,并且具有侵入性.

研究的目的:

• 确定新的基于血液的生物标志物和阿尔茨海默病 (AD) 的治疗点.
• 为了利用来自PBMC和深度学习的单细胞RNA测序 (scRNA-seq) 数据来发现AD生物标志物.
• 增强早期,非侵入性检测AD.

主要方法:

• 利用AD患者的PBMCs和健康对照组的scRNA-seq数据.
• 开发了一个深度学习框架,集成自动编码器,分类器和歧视器.
• 分析了T细胞,B细胞,NK细胞和单细胞中的基因表达,包括DEG和遗传变异.
• 进行丰富分析 (GO,KEGG,PPI) 来评估生物相关性.

主要成果:

• 确定了调节炎症,亡和增殖的关键基因 (ZFP36L2,PNRC1,DUSP1,BTG1,YBX1,CYBA).
• 这些基因在外周免疫细胞中的过度表达与AD中神经炎症有关.
• 在T细胞,B细胞和NK细胞中证实了深度学习模型的高性能.
• 突出了与衰老相关的和AD相关的基因之间的重叠.

结论:

• scRNA-seq与深度学习相结合,为早期AD检测提供了一个强大的非侵入性策略.
• 确定了新的基于血液的生物标志物和AD的潜在治疗点.
• 对AD免疫调节和神经炎症途径的高级理解.
• 为阿尔茨海默病的创新诊断和治疗策略铺平了道路.