眼部转录学中的人工智能:无监督和监督学习的应用
Catherine Lalman1,2, Yimin Yang3, Janice L Walker1,2,4
1Department of Pathology and Genomic Medicine, Thomas Jefferson University, Philadelphia, PA 19107, USA.
Cells
|September 13, 2025
概括
人工智能 (AI) 和机器学习 (ML) 正在通过分析复杂的基因表达数据来彻底改变眼科. 这些人工智能方法增强了生物标志物发现和各种眼睛疾病的疾病建模.
科学领域:
- 眼科医生 眼科 眼科
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 转录形状分析提供了对眼睛组织复杂性的深入洞察.
- 在RNA测序 (RNA-seq) 和单细胞RNA-seq方面的进步产生了高维基因表达数据.
- 人工智能 (AI) 对于分析这些复杂数据至关重要.
研究的目的:
- 从2019-2025年开始,审查人工智能支持的眼科转录学研究.
- 突出机器学习 (ML) 在生物标志物发现,细胞分类和疾病建模中的作用.
- 讨论人工智能在理解眼睛发育和眼病方面的应用.
主要方法:
- 对人工智能在眼科转录分析中的应用进行审查.
- 讨论无监督的ML方法:主要组件分析 (PCA),t分布式静态邻居嵌入 (t-SNE),统一多重近似和投影 (UMAP),加权基因同表达网络分析 (WGCNA).
- 讨论监督的ML方法:最小绝对收缩和选择操作员 (LASSO),支持矢量机器 (SVM),随机森林 (RF) 和深度学习框架 (变量自动编码器,神经网络).
主要成果:
- 人工智能和ML方法显著提升了与年龄相关的黄斑变性 (AMD),糖尿病视网膜病变 (DR) 和玻璃眼等眼部疾病的生物标志物发现.
- 无监督和监督的ML技术是单细胞RNA-seq工作流程的标准,用于细胞类型分类和疾病建模.
- 人工智能促进了多学科的整合,并支持了诊断和预后标记物的开发.
结论:
- 人工智能驱动的转录组分析正在改变精密眼科.
- 可解释的人工智能和多式联络方法是克服可解释性和标准化挑战的关键.
- 未来的研究方向包括推进人工智能以实现个性化的眼科护理和疾病管理.
