在《Cells》雜志上發(fā)表的一項研究中，一組科學家描述了使用機器學習模型來識別血漿細胞外囊泡 (EV) RNA 分子的變化，這可能具有在最早階段識別阿爾茨海默病 (AD) 的潛力。
EV 是人體細胞釋放的微小顆粒，存在于所有人體生物液中，它們攜帶的分子可提供有關源組織的健康和疾病狀態(tài)的信息。
希望之城旗下轉化基因組學研究所 (TGen) 的科學家與加州大學圣地亞哥分校希利-馬科斯阿爾茨海默病研究中心的醫(yī)生合作，檢測了超過 100 名患者血漿中的 EV 含量。一百名患者：健康對照組以及患有 AD 或輕度認知障礙 (MCI) 的患者。
該團隊使用測序技術來分析構成 EV 貨物的小 RNA 分子的光譜。
資深作者 Kendall Van Keuren-Jensen 博士說：“值得注意的是，我們發(fā)現我們在已確診的 AD 患者的 EV 中看到的許多變化也存在于 5 至 15 年后接受診斷的癥狀前人群中。” .，TGen 神經基因組學部教授兼 TGen 科學資源副主任。
“我們的模型能夠預測大約 80% 的參與者的疾病發(fā)展，甚至是在癥狀出現前十年。”
阿爾茨海默氏病 (AD) 影響著全球數百萬人，不僅對 AD 患者造成毀滅性打擊，而且對 AD 患者也造成嚴重影響。AD 給他們的親人和照顧者帶來了巨大的身體、精神、社會和經濟損失。
這種疾病分階段發(fā)展，從有時被忽視的MCI開始，發(fā)展為記憶和認知明顯缺陷的AD，最終導致自我認同、自我護理和社交能力的毀滅性喪失，并最終死亡。
研究合著者、TGen 計算科學家 Eric Alsop 博士說：“通過比較 AD、MCI 和對照參與者的 EV 中的 RNA 含量，我們發(fā)現了數百種不同的 RNA 轉錄本。”“我們利用這些不同的轉錄本來創(chuàng)建機器學習模型，可以高精度地區(qū)分我們的疾病組，”艾爾索普補充道。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！