在年轻成年人中,可解释的多基因查以检测低于最佳的健康状况:预计将以3PM为指导的创新

科学领域:

• 生物医学数据科学是生物医学数据科学.
• 预测分析是一种预测分析.
• 个性化医疗是个性化的医疗.

背景情况:

• 低于最佳健康状态 (SHS) 是一种可逆的疾病前期,为干预提供了关键的窗口.
• 目前的SHS查依赖于主观方法,缺乏客观和可操作的工具.
• 预测,预防和个性化医学 (3PM) 需要先进的诊断方法.

研究的目的:

• 开发一种探索性原型系统,用于将3PM应用到年轻人身上.
• 将多原子信号与可解释的人工智能 (XAI) 结合起来,用于SHS预测.
• 为及时的SHS干预创造客观,可解释和可操作的工具.

主要方法:

• 来自SHS患者和健康对照的转录组,代谢组和肠道微生物组数据的分析.
• 七个机器学习算法的比较,以其性能和可解释性选择弹性网.
• 应用沙普利增量解释 (SHAP) 来解释全球和个体风险因素.

主要成果:

• 多组弹性网模型表现出高精度 (0.941) 和高分辨率 (ROC-AUC 0.999) 的强度校准.
• 为预防策略确定了特定的,可修改的分子标 (如维生素K,甘氨酸胆).
• SHAP分析提供了个性化的风险概况和可用于个性化建议的可操作见解.

结论:

• 开发了一种创新的3PM引导的原型系统,用于使用多组学数据进行SHS预测.
• 将这种工具嵌入预防性医疗保健可以实现早期风险预测和个性化干预.
• 这种方法有可能通过在可逆阶段解决风险,减少未来的慢性疾病负担.