一个新的基于ANMerge的血液转录基因资源,以支持阿尔茨海默病的研究

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.
• 生物标志物 生物标志物

背景情况:

• 阿尔茨海默病 (AD) 不成比例地影响女性,缺乏有效的治疗方法.
• 机器学习 (ML) 整合多式联运数据为改善AD诊断和预后提供了潜力.

研究的目的:

• 为阿尔茨海默病研究开发一个大规模,技术上稳固的血液转录基因数据集.
• 用转录和MRI数据调查AD中的分子性二态.
• 通过整合多式联运数据来增强AD分类模型.

主要方法:

• 通过严格的技术验证生成了一个大型血液转录基因数据集 (n=1021).
• 使用随机抽样,批量调整和分类指标评估技术稳定性.
• 通过连接转录和MRI特征开发了AD分类模型.

主要成果:

• 重新分析的血液转录学解决了技术缺陷,提高了数据可靠性.
• 鉴定了由细胞数和性别影响的AD相关的分子通路,包括特定的基因丰富 (例如BLNK,TREM2,MS4A1).
• 结合的转录和MRI数据适度提高了AD分类性能 (AUC为0.930与MRI单独为0.922).

结论:

• 一个新的,大规模的,技术上健全的血液AD转录组数据集被介绍.
• 这项研究突出了AD中的分子性二态以及先前文献中虚假阳性结果的可能性.
• 这一数据集可以作为未来的多式机器学习和AD的基因组研究的宝贵资源.