来自全血的基因表达特征预测了肌缩性侧面硬化症病例状况和生存率
Yue Zhao1, Masha G Savelieff2, Xiayan Li1
1Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, MI, USA.
Nature communications
|November 1, 2025
概括
研究人员开发了一种使用血液的基因表达测试,以诊断肌缩侧面硬化症 (ALS),并预测患者的生存率. 这种工具对改善临床护理和加速诊断这种罕见的神经退行性疾病充满希望.
科学领域:
- 神经科学是一个神经科学.
- 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:
- 肌缩侧面硬化症 (ALS) 是一种致命的神经退行性疾病,诊断和预后工具有限.
- 目前的诊断延迟和预后方法会影响患者的护理.
- 需要先进的生物标志物来改善ALS管理.
研究的目的:
- 研究全血基因表达在ALS的诊断和预后潜力.
- 为准确的ALS病例控制分类开发机器学习模型.
- 使用转录基因数据识别与ALS相关的途径和潜在的治疗点.
主要方法:
- 对来自大量ALS患者 (n=422) 和对照组 (n=272) 的全血样本进行了RNA测序.
- 机器学习分类器在基因表达数据上受训,以预测ALS状态.
- 基因表达数据与临床变量集成,用于生存预后.
主要成果:
- 机器学习模型在预测ALS病例-控制状态方面取得了高准确性 (AUC=0.894),在独立队列中得到了验证.
- 基因表达和临床数据的整合改善了对ALS患者存活率的歧视.
- 确定了与ALS相关的途径和核心基因,并通过扰乱分析提出了潜在的候选药物.
结论:
- 全血基因表达分析对诊断ALS和预测患者结果具有重大潜力.
- 这些发现支持开发基于基因表达的工具,以提高ALS临床护理.
- 这项研究为针对已识别的途径和基因的新型治疗策略提供了基础.
更多相关视频
11:03Use of Capillary Electrophoresis Immunoassay to Search for Potential Biomarkers of Amyotrophic Lateral Sclerosis in Human Platelets
Published on: February 10, 2020
7.7K
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
2.1K
