一种基于指标细胞检测的多变体血液检测,用于早期检测阿尔茨海默氏病

科学领域:

• 生物标志物发现发现
• 神经退行性疾病 神经退行性疾病
• 下一代诊断技术的发展

背景情况:

• 目前的阿尔茨海默病 (AD) 诊断往往缺乏对早期检测的敏感性.
• 需要基于血液的测试,可以在轻度认知障碍/轻度痴呆阶段识别AD.
• 需要新的生物传感器技术来放大患者样本中的微妙疾病信号.

研究的目的:

• 开发和评估一个阿尔茨海默病指标细胞测定平台 (AD-iCAP) 用于早期发现AD.
• 评估在AD-iCAP读取结果上训练的基于机器学习的分类器的性能.
• 探索AD-iCAP作为一种补充诊断工具和精准医学应用的潜力.

主要方法:

• 患者的血与标准化神经元进行化,以生成基因表达读取结果.
• 多变异性疾病分类器在这些基因表达数据上使用机器学习进行了训练.
• 系统生物学分析 (GSEA,PCA,相关性/网络分析) 用于优化和验证.

主要成果:

• 在AD-iCAP模型中,在外部验证组中,AUC达到0.64,在盲目组中达到0.77.
• 对阿尔茨海默氏症相关的途径进行了丰富的测试,包括胆固醇生物合成和突触功能.
• 该试验表明对粉样蛋白和蛋白的测量是正交的,这表明它们的作用是互补的.

结论:

• AD-iCAP是一种有前途的新方法,用于使用血液样本早期检测阿尔茨海默病.
• 该试验检测多价值细胞反应的能力为患者分层和精准医学提供了潜力.
• 需要在更大的队列中进行进一步的前性验证,以确认其临床实用性.