教育

人工智能发现神经退行性疾病的潜在生物标志物

最近一项使用人工智能技术的研究发现了阿尔茨海默病中常见的基因表达。

发布2023年1月6日|Tyler Woods评论

要点

一项新的研究表明，六种神经退行性疾病在基本细胞过程中具有共同的功能障碍。
研究人员使用人工智能机器学习算法来分析和推导疾病的分类器。
人工智能和神经科学的结合可能是开发各种影响大脑疾病的诊断方法的第一步。

来源:Parilov /上面

能力人工智能(AI)机器学习在大量复杂数据中寻找模式，为神经退行性疾病的诊断提供了巨大的希望。一个新的研究发表在阿尔茨海默氏症协会的杂志上，阿尔茨海默氏症和痴呆，证明了六种神经退行性疾病在基本细胞过程中具有共同的功能障碍。这项研究使用了人工情报机器学习无创分析血液。

亚利桑那州立大学的一份声明称:“对神经退行性疾病的血液生物标志物的研究，加上使用人工智能的强大统计方法，为这些严重的疾病打开了一扇新的窗口。”“在健康和疾病的各个阶段，活着的病人都可以很容易地采集血液样本，为早期诊断提供了一个强大的新工具。”

亚利桑那州立大学的研究科学家Carol Huseby、Elaine Delvaux、Danielle Brokaw和Paul Coleman在这项研究中重点研究了六种神经退行性疾病:阿尔茨海默病(AD)、帕金森病(PD)、亨廷顿舞蹈病(HD)、肌萎缩性侧索硬化症(ALS)、额颞叶痴呆(FTD)和Freidreich的运动失调(FRDA)。

研究人员使用了一种名为随机森林(RF)的人工智能机器学习算法来分析和推导神经退行性疾病的分类器。随机森林机器学习算法不需要正态分布，能够对大量特征进行分类。它是一种广泛应用于分类和机器学习的AI算法回归它使用了一种由个体决策树组成的监督学习技术。“监督学习”是指使用标记的训练数据集的AI机器学习方法，从而允许计算机算法从已知正确答案并具有输出标签的示例中学习。随机森林算法基于集成学习，其中使用几个分类器(独立模型的集成)来计算一个复杂的问题。

人工智能算法将一组RNA转录本放在一起，通过数千个RNA转录本对每种疾病进行最佳分类基因并将其与健康患者血液中的RNA样本进行比较。转录本是一种信使核糖核酸(RNA)，与特定基因有关。RNA负责广泛的细胞功能，并通过称为蛋白质合成的过程在蛋白质的生产中发挥关键作用。

RNA成分的产生或序列错误与多种疾病有关，因此在这项研究中，使用了来自mRNA的数据。研究人员使用了一个大型公共微阵列全血mRNA表达数据集，称为基因表达综合(GEO)存储库。

基因表达是将基因中编码的信息进行转换，以制造细胞所需的蛋白质以应对内部和外部变化的过程。在蛋白质合成的第一阶段，即转录，基因被表达。DNA螺旋的双链被拉开，DNA中的遗传指令通过信使RNA复制成单链RNA。DNA的复制也可称为转录，因此得名转录。

接下来，mRNA将基因数据从DNA传输到核糖体，核糖体是细胞的一个细胞器，在那里进行翻译。转移RNA (tRNA)将蛋白质的组成部分，即氨基酸传递到核糖体。tRNA将mRNA密码子序列翻译成一条不断增长的氨基酸链，这条氨基酸链将成为蛋白质。密码子是由三个连续的DNA或RNA核苷酸组成的序列，对应于蛋白质合成过程中的特定氨基酸或停止信号。

科学家们写道:“这些数据表明，多种神经退行性机制汇聚在由不同转录变化引起的共同基本过程上。”

通过这种使用AI机器学习分析全血RNA转录组的创新方法，研究人员能够对所研究的神经退行性疾病常见的8种分子过程进行分类。

研究人员写道:“使用我们新颖的机器学习算法，我们为每种疾病找到了最佳选择的转录本，将疾病和健康对照进行分类。”

这些类别包括蛋白质合成、免疫过程、转录调节、线粒体/代谢、细胞骨架、脱颗粒、泛素/蛋白酶体降解和凋亡/坏死的生物细胞功能。