人工智能辅助的多OMICS分析揭示了预测AD的新标记

科学领域:

• 神经科学和计算生物学
• 基因组学和蛋白质组学
• 人工智能在医学中的应用

背景情况:

• 阿尔茨海默病 (AD) 是认知能力下降的主要原因,需要改进早期诊断方法.
• 目前的AD诊断是侵入性的,昂贵的,缺乏广泛的可访问性,阻碍了及时干预.
• 多omics数据集成为发现新的AD生物标志物提供了一个有希望的途径.

研究的目的:

• 通过人工智能驱动的多omics分析,识别早期阿尔茨海默病预测的潜在生物标志物.
• 整合蛋白质组学和转录组学数据,以全面了解AD病理生理学.
• 探索涉及早期和高级AD的新型分子轴和途径.

主要方法:

• 利用人工智能和机器学习进行多omics分析,整合来自AD数据库的proteomics和transcriptomics数据.
• 通过人工智能进行文献审查,从大脑,CSF和血中提取基因表达特征.
• 构建了一个蛋白质-蛋白质相互作用 (PPI) 网络,通过中心性分析识别关键的枢纽基因,并进行路径丰富分析.

主要成果:

• 鉴定出13个常见的枢纽基因 (例如,APP,SOD1,CTNNB1),这些基因在早期和晚期的阿尔茨海默病中都有显著影响.
• 发现了与AD进展相关的关键途径,包括氧化酸化,代谢途径和突触传播.
• 确定了9个常见的miRNA和8个关键分子轴,揭示了AD的潜在机械联系.

结论:

• 已识别的枢纽基因和分子轴为阿尔茨海默病病理生理学提供了新的见解.
• 这些发现为开发用于早期AD检测的非侵入性生物标志物奠定了基础.
• 进一步的实验验证对于将这些潜在生物标志物转化为临床应用至关重要.