NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan Amyotrofik lateral skleroz (ALS), oldukça değişken bir klinik sunum ve büyük hasta heterojenliğine dönüşen çok yönlü genetik ve biyolojik bazlar ile karakterize edilen ölümcül bir nörodejeneratif hastalıktır. Hastaların homojen alt gruplarının hem klinik sunum hem de biyolojik nedenler açısından tanımlanması, etkili tedavilerin, sağlık hizmetlerinin ve klinik çalışmaların geliştirilmesini destekleyebilir. ALS'nin homojen klinik alt gruplarını tanımlamayı ve karakterize etmeyi, altta yatan biyolojik eğilimleri temsil edip etmediklerini incelemeyi amaçladık. Yöntemler Gözetimsiz bir makine öğrenme yöntemi olan Latent sınıf kümeleme analizi, yaygın olarak toplanan ALS ile ilişkili klinik değişkenleri kullanarak, MinE Projesi'nden ALS'li 6,523 kişide homojen alt popülasyonları tanımlamak için kullanılmıştır. Kümeler, STRENGTH'den 7,829 bağımsız hasta kullanılarak doğrulandı. Tanımlanan alt grupların, ALS ile daha önce bağlantılı genler arasındaki genetik varyasyondaki biyolojik eğilimler, ALS'nin polijenik risk skorları ve ilgili nöropsikiyatrik özellikler ve ölüm sonrası motor korteks örneklerinden alınan gen ekspresyonu verileri ile ilişkili olup olmadığını test ettik. Sonuçlar Uluslararası veri kümeleri arasında genel olan klinik verilerdeki desenlere dayalı beş ALS alt grubunu belirledik. SOD1 ve C9orf72 genlerindeki nadir varyantlar ve ALS ile ilgili biyolojik süreçlerde yer alan genler arasında belirgin genetik eğilimler gözlenmiştir. ALS, şizofreni ve Parkinson hastalığının polijenik risk skorları da kontrollere göre farklı kümelerde daha yüksekti. Gen ekspresyon analizi, genetik farklılıkları yansıtan kümeler arasında farklı değiştirilmiş biyolojik süreçleri tanımladı. İlk ziyarette mevcut klinik verileri kullanarak alt grup üyeliğini atamak için modelimize dayanan bir makine öğrenme sınıflandırıcısı geliştirdik ve http://latentclusterals.er.kcl.ac.uk adresinde bir genel web sunucusunda kullanılabilir hale getirdik. Son derece farklı klinik sunumlarla karakterize edilen ALS alt grupları iki büyük bağımsız uluslararası veri kümesinde keşfedildi ve doğrulandı. Bu tür gruplar ayrıca farklı altta yatan genetik mimariler ve biyoloji ile karakterize edildi. Sonuçlarımız, veri odaklı hasta tabakalaşmasının ALS'nin daha klinik ve biyolojik olarak homojen alt tiplerine mümkün olduğunu ve ALS'nin biyomedikal ve klinik çalışmasına daha etkili ve hedefli yaklaşımların geliştirilmesine yardımcı olabileceğini göstermiştir.
Özgün kaynak özetini okuyun
Background Amyotrophic lateral sclerosis (ALS) is a fatal neurodegenerative disease characterised by a highly variable clinical presentation and multifaceted genetic and biological bases that translate into great patient heterogeneity. The identification of homogeneous subgroups of patients in terms of both clinical presentation and biological causes, could favour the development of effective treatments, healthcare, and clinical trials. We aimed to identify and characterise homogenous clinical subgroups of ALS, examining whether they represent underlying biological trends. Methods Latent class clustering analysis, an unsupervised machine-learning method, was used to identify homogenous subpopulations in 6,523 people with ALS from Project MinE, using widely collected ALS-related clinical variables. The clusters were validated using 7,829 independent patients from STRENGTH. We tested whether the identified subgroups were associated with biological trends in genetic variation across genes previously linked to ALS, polygenic risk scores of ALS and related neuropsychiatric traits, and in gene expression data from post-mortem motor cortex samples. Results We identified five ALS subgroups based on patterns in clinical data which were general across international datasets. Distinct genetic trends were observed for rare variants in the SOD1 and C9orf72 genes, and across genes implicated in biological processes relevant to ALS. Polygenic risk scores of ALS, schizophrenia and Parkinson’s disease were also higher in distinct clusters with respect to controls. Gene expression analysis identified different altered biological processes across clusters reflecting the genetic differences. We developed a machine learning classifier based on our model to assign subgroup membership using clinical data available at first visit, and made it available on a public webserver at http://latentclusterals.er.kcl.ac.uk . Conclusion ALS subgroups characterised by highly distinct clinical presentations were discovered and validated in two large independent international datasets. Such groups were also characterised by different underlying genetic architectures and biology. Our results showed that data-driven patient stratification into more clinically and biologically homogeneous subtypes of ALS is possible and could help develop more effective and targeted approaches to the biomedical and clinical study of ALS.
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.