人工智能驱动的肌痛性脑脊髓炎/慢性疲劳综合征的多omics建模

科学领域:

• 计算生物学是一种计算生物学.
• 免疫学 免疫学 免疫学
• 微生物组研究的研究.

背景情况:

• 肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 由于其复杂性质,提出了诊断和治疗方面的挑战.
• 多因素的病因和异质的症状使得ME/CFS的理解和治疗变得复杂.

研究的目的:

• 开发和验证BioMapAI,这是一个深度神经网络,用于分析ME/CFS中的多omics数据.
• 通过综合数据分析,确定ME/CFS的疾病和症状特异性生物标志物.
• 通过绘制微生物组,免疫系统和代谢组之间的相互联系,阐明系统层面对ME/CFS病理生理学的见解.

主要方法:

• 在4年的纵向多omics数据集 (n=249) 上训练了一个受监督的深度神经网络 (BioMapAI).
• 整合了各种数据类型:肠道基因组学,血代谢学,免疫细胞分析,血液实验室和临床症状.
• 使用可解释的人工智能构建连接地图并识别关键生物标志物和改变的关联.

主要成果:

• 在持有和外部队列中,BioMapAI准确地对ME/CFS进行了分类.
• 在微生物新陈代谢 (例如,SCFA,BCAA,酸,酸),血脂和胆酸之间确定了新的关联.
• 揭示了与ME/CFS相关的特定T细胞子集 (MAIT, γδT) 的高度炎症反应.

结论:

• 生物地图AI提供了前所未有的系统层面的ME/CFS洞察力.
• 这项研究完善了现有的假设,并提出了将多组学动态与ME/CFS异质性联系起来的新机制.
• 这些发现突出了肠道微生物群,免疫系统和ME/CFS病变发生过程中的代谢途径之间的相互作用.