东北大学的一个研究小组在世界上第一次利用机器学习技术发现自闭症谱系障碍(ASD)可能是异质性疾病的集合,这是人工智能的一个领域。

 ASD 的主要特征是刻板行为和交流障碍,但可能表现出许多其他症状,例如对声音过敏和综合运动损伤。 尽管有人认为遗传因素对 ASD 风险的增加有很大影响,但迄今为止已报道了 1,000 多个候选基因,但尚未确定遗传易感因素。

 在这种情况下,在本研究中,我们使用机器学习这一人工智能技术,对 ASD 表现出的各种症状进行聚类分析,并结合全基因组关联研究 (GWAS) 来识别遗传易感因素。我假设那个数字会增加。

 事实上,虽然没有观察到与使用“所有患者组”和目标组的 GWAS 方法有显着关联,它们以疾病名称 ASD 分组,但 ASD 患者被分组(集群)和“每个集群”。在 GWAS 中进行在“患者组”和目标组中,确定了 65 个显着位点。换言之,ASD 可能是异质性疾病的集合,通过将病例聚类到更同质的人群中,有望根据每个人群的特点实现个性化医疗。

 该结果对阐明ASD的遗传结构和发病机制,为推动ASD精准医疗发展提供线索,以及利用机器学习技术对疾病群进行聚类分析。未来许多疾病的个性化医疗进展。

纸张信息:[翻译精神病学] 自闭症的表型聚类和全基因组关联研究

大学学报在线编辑部

这是大学学报的在线编辑部。
文章由对大学和教育具有高水平知识和兴趣的编辑人员撰写。