NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), dünyadaki en yaygın ikinci nörodejeneratif hastalıktır. PD biyobelirteçlerinin tanımlanması erken teşhis ve hedef bazlı terapötik ajanlar geliştirmek için çok önemlidir. Genom ölçekli metabolik modellerin (GEM'ler) ve omik verilerin bütünleyici analizi, metabolit biyobelirteçlerinin tahmini için hesaplamalı bir yaklaşım sağlar. Burada, PD için potansiyel metabolit biyobelirteçlerini araştırmak için TIMBR (Transcriptionly Inferred Metabolic Biomarker Response) algoritmasını ve TIMBR'in iki değiştirilmiş versiyonunu uyguladık. Bu amaçla, substantia nigra bölgesinden İnsan-GEM'e kadar on üç adet otopsi sonrası PD transkriptomu veri kümesini haritaladık. Bir metaboliti, eğer üretiminin kontroldeki bir TIMBR-aile algoritması veya veri kümelerinin çoğunluğu için PD vakası tarafından daha verimli olacağı öngörülmüştüyse aday bir biyobelirteç olarak değerlendirdik. İyi bilinen PD ile ilişkili metabolit değişiklikleri, PD ile ilişkili yollar ve literatürden derlenen 25 yüksek güvenli PD metabolit biyobelirteçlerinin bir listesine dayanan farklı metrikler, test edilen üç algoritmanın tahmin performansını karşılaştırmak için kullanıldı. Ölçümlere dayalı en yüksek tahmin gücüne sahip modifiye algoritma, bu çalışmada ilk kez tanıtılan On-Off Reaksiyonları tarafından TAMBOOR, TrAnscriptome tabanlı Metabolit Biyomarker olarak adlandırıldı. TAMBOOR, PD'de iyi bilinen yol değişiklikleri ve metabolit sekresyonu değişikliklerinin yakalanması açısından daha iyi performans gösterdi. Bu nedenle, aracımız, insan hastalıkları için yeni teşhis biyobelirteçlerinin tahmini için kullanılmak üzere güçlü bir potansiyele sahiptir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is the second most common neurodegenerative disease in the world. Identification of PD biomarkers is crucial for early diagnosis and to develop target-based therapeutic agents. Integrative analysis of genome-scale metabolic models (GEMs) and omics data provides a computational approach for the prediction of metabolite biomarkers. Here, we applied the TIMBR (Transcriptionally Inferred Metabolic Biomarker Response) algorithm and two modified versions of TIMBR to investigate potential metabolite biomarkers for PD. To this end, we mapped thirteen post-mortem PD transcriptome datasets from the substantia nigra region onto Human-GEM. We considered a metabolite as a candidate biomarker if its production was predicted to be more efficient by a TIMBR-family algorithm in control or PD case for the majority of the datasets. Different metrics based on well-known PD-related metabolite alterations, PD-associated pathways, and a list of 25 high-confidence PD metabolite biomarkers compiled from the literature were used to compare the prediction performance of the three algorithms tested. The modified algorithm with the highest prediction power based on the metrics was called TAMBOOR, TrAnscriptome-based Metabolite Biomarkers by On-Off Reactions, which was introduced for the first time in this study. TAMBOOR performed better in terms of capturing well-known pathway alterations and metabolite secretion changes in PD. Therefore, our tool has a strong potential to be used for the prediction of novel diagnostic biomarkers for human diseases.
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.