导读 弗朗西斯·克里克研究所和伦敦大学学院皇后广场神经病学研究所的研究人员与科技公司Faculty AI合作，证明机器学习可以利用源自患者的干细...
弗朗西斯·克里克研究所和伦敦大学学院皇后广场神经病学研究所的研究人员与科技公司Faculty AI合作，证明机器学习可以利用源自患者的干细胞图像准确预测帕金森病的亚型。
他们发表在《自然机器智能》上的研究表明，计算机模型可以准确地对帕金森病的四种亚型进行分类，其中一种亚型的准确率达到 95%。这可能为个性化医疗和靶向药物发现铺平道路。
帕金森病是一种影响运动和认知的神经退行性疾病。由于引起疾病的潜在机制的差异，症状和疾病进展因人而异。
到目前为止，还没有一种方法可以准确区分亚型，这意味着人们只能得到非特异性的诊断，并且并不总是能够获得有针对性的治疗、支持或护理。
帕金森病涉及关键蛋白质的错误折叠和有缺陷的线粒体(细胞能量产生的来源)清除功能障碍。大多数帕金森病病例都是散发性的，但有些可能与基因突变有关。
研究人员从患者自身细胞中产生干细胞，并通过化学方法创造了四种不同的帕金森病亚型，其中两种涉及导致α-突触核蛋白毒性积聚的途径，另两种涉及导致线粒体失效的途径，从而创造出“人类帕金森病亚型”。培养皿中的脑部疾病模型。”
然后，他们对疾病模型进行了微观细节成像，并标记了包括溶酶体在内的关键细胞成分，溶酶体参与分解细胞的磨损部分。研究人员“训练”了一个计算机程序来识别每种亚型，然后当出现以前从未见过的图像时，该程序就能够预测该亚型。
线粒体和溶酶体是预测正确亚型的最重要特征，证实它们与帕金森病的发展有关，但细胞的其他区域(如细胞核)也被发现很重要，以及我们可以识别的图像的各个方面。还没有解释。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！