NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı, klinik olarak heterojen olan yaygın, tedavi edilemez bir nörodejeneratif bozukluktur: farklı hücresel mekanizmaların patolojiyi farklı bireylerde yönlendirmesi muhtemeldir. Şu ana kadar yaşamdaki nörodejeneratif hastalığın altında yatan hücresel mekanizmayı tanımlamak mümkün olmamıştır. İnsan nöronlarındaki hastalığın varlığını ve birincil mekanistik alt türünü eşzamanlı olarak tahmin edebilen makine öğrenimine dayalı bir model ürettik. Kontrol veya hasta kaynaklı nöronları türetmek için kök hücre teknolojisini kullandık ve kimyasal indüksiyon veya mutasyon varlığı yoluyla farklı hastalık alt tipleri ürettik. Organellerin çok boyutlu floresan etiketlenmesi sağlıklı kontrol nöronlarında ve dört farklı hastalık alt tipinde gerçekleştirildi ve hem nicel tek hücreli floresan özellikleri hem de görüntüler, derin sinir ağları oluşturmak için bir dizi sınıflandırıcıyı bağımsız olarak eğitmek için kullanıldı. Kantitatif hücresel profil tabanlı sınıflandırıcılar %82 doğruluk elde ederken, görüntü tabanlı derin sinir ağları kontrolü ve dört farklı hastalık alt türünü %95 doğrulukla tahmin ediyor. Makine öğrenimi ile eğitilmiş sınıflandırıcılar, tüm alt tiplerde doğruluklarını elde ederek, mitokondrinin organellar özelliklerini lizozomların ilave katkısı ile kullanarak Parkinson'daki bu yolların biyolojik önemini onaylar. Hep birlikte, hasta kaynaklı hücrelere uygulanan makine öğrenme yaklaşımlarının hastalık alt tiplerini tahmin etmede son derece doğru olduğunu, bu yaklaşımın gelecekte mekanistik tabakalaşma ve hassas tıp yaklaşımlarını sağlayabileceğine dair bir kavram kanıtı sağladığını gösteriyoruz.
Özgün kaynak özetini okuyun
Parkinson's disease is a common, incurable neurodegenerative disorder that is clinically heterogeneous: it is likely that different cellular mechanisms drive the pathology in different individuals. So far it has not been possible to define the cellular mechanism underlying the neurodegenerative disease in life. We generated a machine learning-based model that can simultaneously predict the presence of disease and its primary mechanistic subtype in human neurons. We used stem cell technology to derive control or patient-derived neurons, and generated different disease subtypes through chemical induction or the presence of mutation. Multidimensional fluorescent labelling of organelles was performed in healthy control neurons and in four different disease subtypes, and both the quantitative single-cell fluorescence features and the images were used to independently train a series of classifiers to build deep neural networks. Quantitative cellular profile-based classifiers achieve an accuracy of 82%, whereas image-based deep neural networks predict control and four distinct disease subtypes with an accuracy of 95%. The machine learning-trained classifiers achieve their accuracy across all subtypes, using the organellar features of the mitochondria with the additional contribution of the lysosomes, confirming the biological importance of these pathways in Parkinson's. Altogether, we show that machine learning approaches applied to patient-derived cells are highly accurate at predicting disease subtypes, providing proof of concept that this approach may enable mechanistic stratification and precision medicine approaches in the future.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.