本文為轉化醫學網原創,轉載請註明出處
作者:Cathy
導言:下一代測序(NGS)技術已經成為剖析各種人類疾病的分子和病理特徵的強大工具,然而,來自不同疾病階段的生物樣品的有限性是研究疾病進展和識別早期病理變化的主要障礙。近期,韓國腦科學研究所的研究人員使用了一種深度學習技術,利用人工智慧(AI)融合基因組學研究預測阿爾茨海默氏病(AD)的早期分子標記。
近年來,深度學習技術不斷推動著人工智慧(AI)技術革命。受下一代測序(NGS)技術進步的啟發,基於組學的研究數據已經變得易於訪問和標準化。近日,韓國腦科學研究所的一項研究使用先進的對抗性生成網絡(GANs)的深度學習技術分析了阿爾茨海默氏病(AD)小鼠模型的大腦皮質組織數據。結果發現,β澱粉樣蛋白在疾病的早期含量增加並改變膽固醇的生物合成。
該研究發表在計算生物學領域的國際學術期刊《PLOS計算生物學》上。題為「A practical application of generative adversarial networks for RNA-seq analysis to predict the molecular progress of Alzheimer's disease」
β澱粉樣蛋白是導致阿爾茨海默氏病(AD)的一種蛋白質。在正常的大腦中,如果過度積累,則會被小膠質細胞等清除。膽固醇也必須在血液中保持一定水平,以組成細胞膜,調節膜的流動性並保持體內平衡。如果上述過程不能正常進行,則體內會發生病理異常。
研究團隊使用先進的對抗性生成網絡(GANs)的深度學習技術分析了AD小鼠模型的大腦皮質組織數據。GANs是一種算法,它通過生成器和鑑別器之間的競爭來生成數據,分析生成的數據,並生成接近真實圖像的合成數據。先前,GANs技術曾用於製作巴拉克·歐巴馬(Barack Obama)總統的假演講視頻,並可用於預測面部老化。
GAN在大量RNA-seq數據中的應用概述。圖片來源:韓國腦科學研究所
研究小組利用GANs對小鼠進行了AD基因表達模擬,觀察了基因表達從正常狀態到AD狀態的變化過程。結果發現β澱粉樣蛋白在疾病早期含量增加並改變了膽固醇的生物合成。這一發現也被死後腦組織的RNA序列分析所證實。
這意味著β澱粉樣蛋白的增加會觸發膽固醇的生物合成,這兩個過程結合在一起很可能通過相互作用影響突觸形成和突觸可塑性。
這項研究是基於生物信息學與AI融合的獨特研究技術,其意義在於為研究者提供更系統的分析和實驗設計,它代表了一種新的方法來預測疾病發展早期階段的生物變化,並可以將其應用於醫療保健行業。
與膽固醇生物合成和膽固醇代謝有關的基因的過渡曲線和熱圖。圖片來源:韓國腦科學研究所
Cheon博士表示:「 GANs是一個有用的工具,可以用來分析由疾病引起的基因表達差異,並通過解釋現象的原因來分析其分子進展。這種方法的不斷擴展和組學數據的積累有望幫助我們克服與腦疾病和衰老相關的分析的最大局限性,這是一個耗時的獲取樣本的過程。」
這項研究是由KBRI獨家資助的項目。
參考:
【1】Park J, Kim H, Kim J, Cheon M (2020) A practical application of generative adversarial networks for RNA-seq analysis to predict the molecular progress of Alzheimer's disease. PLoS Comput Biol 16(7): e1008099. https://doi.org/10.1371/journal.pcbi.1008099
【2】https://medicalxpress.com/news/2020-08-early-molecular-signatures-ad-convergence.html
【3】https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1008099