来自悉尼新南威尔士大学的科学家与波士顿大学的合作者开发了一种工具,该工具显示出在帕金森氏病首次症状开始出现前数年检测出早期前景的希望。
在今天发表在ACS Central Science杂志上的研究中,研究人员描述了他们如何使用神经网络来分析患者体液中的生物标志物。
新南威尔士大学化学学院的研究人员检查了从西班牙欧洲癌症和营养前瞻性调查 (EPIC) 收集的健康个体身上采集的血液样本。该团队以 39 名在长达 15 年后患上帕金森症的患者为重点,在包含大量代谢物信息的数据集上运行他们的机器学习程序——代谢物是身体在分解食物、药物或化学品时产生的化合物。
在将这些代谢物与 39 名匹配的对照患者(同一研究中没有继续发展帕金森氏症的人)的代谢物进行比较后,该团队能够识别出可以预防帕金森氏症或可能成为帕金森氏症早期预警信号的独特代谢物组合。
正如新南威尔士大学研究员 Diana Zhang 所解释的那样,她和副教授 W. Alexander Donald 开发了一种名为 CRANK-MS 的机器学习工具,它代表使用神经网络从质谱生成知识的分类和排名分析。
“分析代谢组学数据的最常见方法是通过统计方法,”张说。
“因此,为了弄清楚哪些代谢物对疾病和对照组更重要,研究人员通常会研究涉及特定分子的相关性。”
“但在这里我们考虑到代谢物可以与其他代谢物相关联——这就是机器学习的用武之地。对于成百上千的代谢物,我们已经使用计算能力来了解正在发生的事情。”
一个/教授。唐纳德说,除了研究代谢物的组合外,研究人员还使用了未经编辑的数据列表。
“通常情况下,研究人员使用机器学习来检查代谢物与疾病之间的相关性,首先会减少化学特征的数量,然后再将其输入算法,”他说。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!