低输入的深度学习平台用于素化的识别,自身抗原的发现和类风湿性关节炎治疗分层
Meng Hu1, Chenxi Zhu1,2,3, Rui Sun1
1Department of Rheumatology and Immunology and Department of Laboratory Medicine, National Clinical Research Center for Geriatrics, State Key Laboratory of Biotherapy, West China Hospital, Sichuan University, Chengdu, China.
Nature biomedical engineering
|March 3, 2026
概括
一种名为Iseq-Cit的新方法,可以有效地对类风湿性关节炎 (RA) 风险评估和治疗预测进行素瘤分析. 这种方法可以识别素,有助于早期的RA诊断和自身抗原的发现.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 蛋白质组学是指蛋白质组学.
背景情况:
- 翻译后修改的蛋白质,特别是素蛋白质,是类风湿性关节炎 (RA) 中的关键自身抗原.
- 目前用于氨基瘤分析和自身抗原识别的方法受到检测灵敏度和计算工具的限制.
研究的目的:
- 开发一种新的,高通量和敏感的方法,用于全球素瘤分析.
- 评估血林形状与RA发育,严重程度和治疗反应之间的相关性.
- 确定新型素作为RA的潜在诊断生物标志物.
主要方法:
- 开发Iseq-Cit (一种内部标准辅助的无缩方法,用于高通量量化分析素) 用于全球素素的分析.
- 在RA风险和RA患者中对个体进行长度队列研究.
- 整合临床指标和素化数据用于治疗响应预测模型.
- 训练一个双向封闭的循环单元模型来预测素的RA-sera反应性,然后进行ELISA验证.
主要成果:
- 与传统方法相比,Iseq-Cit需要少得多的样本输入.
- 血氨基瘤的形状与RA的发展和严重程度相关.
- 综合模型可以准确预测治疗反应.
- 一个机器学习模型在预测RA-sera反应性方面取得了84.2%的准确性,确定了19个潜在的RA诊断候选人.
结论:
- Iseq-Cit提供了一种有效的策略,用于素瘤分析,自身抗原发现和RA分层.
- 血氨基瘤分析对早期RA检测和监测具有前途.
- 已识别的素代表了RA诊断和治疗点探索的有希望的候选人.
