DeepOmicsAE: ייצוג מודולי איתות במחלת אלצהיימר עם ניתוח למידה עמוקה של פרוטאומיקה, מטבולומיקה ונתונים קליניים

מחלת אלצהיימר נחשבת להתחיל עשרות שנים לפני הופעת התסמינים. מחקרים אחרונים מצביעים על כך שתכונות פנוטיפיות כגון השמנת יתר ויתר לחץ דם, אך גם רמת ההשכלה והמעורבות החברתית יכולות לפעול כגורמי סיכון. מטרתנו היא להיות מסוגלים לפענח את תרומתם ואת הקשר שלהם למניעים מולקולריים של מחלות כדי ללמוד כיצד להתערב מוקדם ובאופן אישי.

ניתוח נתונים רב-אומי יכול לשמש לשילוב שכבות שונות של נתונים ביולוגיים כגון פרוטאומיקה, תעתוק, מטבולומיקה ותכונות פנוטיפיות כדי להבין באופן מקיף מצב מחלה. מודלים של מקודד אוטומטי משתמשים בלמידה עמוקה כדי להפחית את המימדיות של מערכי נתונים מולטי-אומיקס, ומסכמים ביעילות את המידע החיוני, עם זאת, מאתגר לפרש עד כמה חשובות תכונות בודדות בנתונים המקוריים ביחס לפלט המסוכם. ב-Deep-omics AE בנינו אלגוריתם שגוזר את החשיבות של תכונות מולטי-אומיות בודדות ביחס לייצוג ממדיות מופחתת למידות.

בעזרת גישה זו, אנו יכולים לזהות מודולים דומים מולקולרית ואת הקשר שלהם עם התכונות הפנוטיפיות של המטופל. Deep-omics AE עוזר לשים ביחס את התכונות הפנוטיפיות של המטופל עם ההרכב המולקולרי של המחלה. לדוגמה, אתה יכול להשתמש בו כדי לשאול, מהם המסלולים המולקולריים המעורבים ביותר במחלת אלצהיימר בחולים מבוגרים, ומה הם אלה המעורבים ביותר בחולים צעירים?

מה הם המעורבים בפיתוח המחלה בחולים פחות משכילים לעומת חולים משכילים יותר?