Инновационный подход к машинному обучению для будущих достижений в диагностике болезни Паркинсона

Болезнь Паркинсона (БП) – второе по распространенности нейродегенеративное заболевание, число пациентов во всем мире, как ожидается, удвоится в ближайшие 20 лет. Детальные молекулярные и клеточные механизмы, лежащие в основе его патогенеза, остаются неясными, хотя недавние данные указывают на роль митохондриальной дисфункции в начале заболевания. Митохондрии – небольшие клеточные «субъединицы», участвующие в клеточном метаболизме и выработке энергии – постоянно и динамически взаимодействуют друг с другом, образуя постоянно изменяющиеся сети, известные как сети взаимодействия митохондрий (MIN). Поэтому исследователи стремились понять корреляцию между митохондриальными нарушениями, наблюдаемыми при БП, и любыми конкретными топологическими изменениями сети в МИН с целью продвижения ранней диагностики и классификации пациентов с БП.

«Поскольку традиционный анализ, сфокусированный на отдельных митохондриях, не дал удовлетворительного понимания патогенеза БП, наша новаторская работа сделала шаг вперед, исследуя сети взаимодействия между этими органеллами», – объясняет д-р Фэн Хе, руководитель группы группы биологии иммунных систем. Департамент инфекций и иммунитета ИГИЛ и автор-корреспондент публикации.

Используя свой большой опыт в области сетевого анализаи машинного обучения, ученые проанализировали большой 700-гигабайтный набор данных трехмерных митохондриальных изображений нейронов толстой кишки, собранных у пациентов с БП и здоровых людей из контрольной группы, а также дофаминергических нейронов, полученных из стволовых клеток. Они обнаружили, что определенные особенности сетевой структуры в пределах MIN были изменены у пациентов с PD по сравнению с контрольной группой. Например, у пациентов с БП митохондрии образовывали связанные подсети, которые обычно были больше, чем у здоровых людей. В соответствии с этим результатом эффективность передачи и распределения энергии и информации между различными митохондриями у пациентов с БП была значительно ниже, чем в контроле, что позволяет предположить, что более длительные «задержки передачи» были связаны с большим диаметром компонентов МИН, наблюдаемые у субъектов PD. ”

Более того, исследовательская группа обнаружила, что эти различные паттерны MIN сильно коррелируют с обычно используемыми клиническими оценками PD отдельных пациентов, то есть с унифицированной шкалой оценки болезни Паркинсона (UPDRS). Действительно, применяя подход машинного обучения для анализа этих MIN характеристик, исследователи заметили, что использование только комбинации этих сетевых функций позволяет им точно различать пациентов с PD и здоровых людей из контрольной группы.

услуги нутрициологаАвтор сайта и статей: Наталья Степанова, нутрициолог-психолог, консультант по питанию и коррекции веса. Подробнее обо мне

Я в соц. сетях: Vk, Instagram.

Рейтинг
Еще статьи нутрициолога:
Adblock
detector