機器學習助攻!美團隊揭示6種神經退化性疾病血液RNA生物標記

撰文記者 彭梓涵
日期2022-12-22
EnglishFrenchGermanItalianPortugueseRussianSpanish
(圖片來源:網路)
美國時間21日,美國亞利桑那州立大學研究團隊,透過機器學習方法,對六種不同神經退化性疾病的血液樣本進行研究,包括肌萎縮側索硬化症(ALS)、阿茲海默症、帕金森氏症、失智症、亨廷頓舞蹈症、隱性遺傳小腦運動失調症(FRDA),研究顯示,多種神經退化性疾病都有不尋常的轉錄物(transcripts)表現,研究人員認為這種疾病特異性異常值,未來可做診斷的生物標記使用。相關研究已發表在《Alzheimer's & Dementia: The Journal of the Alzheimer' Association》
 
此研究是以公開可用的Gene Expression Omnibus血液樣本數據集,對六種神經退化性疾病進行探查。
 
研究人員透過機器學習分析,對健康者與患者全血中收集到的RNA,進行數千個基因比較與分析,以找出不同疾病獨有的RNA標記。
 
經過研究分析顯示,每種疾病都存有一些不常見的轉錄物,研究人員依其功能分為8類,包括:轉錄調節、脫粒反應(Degranulation)、免疫反應、蛋白質合成、細胞死亡或細胞凋亡、細胞骨架成分、泛素化(Ubiquitylation )/蛋白酶體、粒線體複合物。
 
研究人員表示,有些轉錄物的異常表現,雖然在不同神經性退化疾病中皆會出現,例如突觸的缺失就是六種疾病的共同特徵,但像是剪接體(Spliceosome)調節相關的轉錄物異常,只有在阿茲海默症中被檢測到。
 
研究人員表示,大多數神經退化性疾病都難以診斷,這些異常表現的轉錄物、加上人工智慧強大的統計方法,有望為這些嚴重的疾病打開一扇窗,為疾病早期診斷提供新選擇。
 
資料來源:
https://www.sciencedaily.com/releases/2022/12/221221135532.htm