アルツハイマー病は、症状が現れる数十年前に始まると考えられています。最近の研究では、肥満や高血圧などの表現型の特徴だけでなく、教育や社会的関与のレベルも危険因子として作用する可能性があることが示唆されています。私たちの目標は、それらの寄与と疾患の分子要因との関係を解読し、早期に個別化された方法で介入する方法を学べるようになることです。
マルチオミクスデータ解析は、プロテオミクス、トランスクリプトミクス、メタボロミクス、表現型形質など、さまざまな層の生体データを統合し、病態を包括的に理解するために使用できます。自己符号化器モデルは、深層学習を使用してマルチオミクスデータセットの次元を削減し、重要な情報を効果的に要約しますが、要約された出力に関して元のデータの個々の特徴がどれほど重要であるかを解釈することは困難です。ディープオミクスAEでは、個々のマルチオミクスの特徴量の重要性を、学習の縮小次元表現と比較して導き出すアルゴリズムを組み込みました。
このアプローチにより、分子的に類似したモジュールと、それらの患者の表現型特性との関連を特定することができます。ディープオミクスAEは、患者の表現型特性と疾患の分子構造を関連付けるのに役立ちます。たとえば、高齢患者のアルツハイマー病に最も関与している分子経路は何か、若い患者に最も関与している分子経路は何かを尋ねるために使用できます。
低学歴の患者と高学歴の患者の疾患の発症に関与しているものは何ですか?
