Alzheimer hastalığının semptomlar ortaya çıkmadan on yıllar önce başladığı düşünülmektedir. Son çalışmalar, obezite ve hipertansiyon gibi fenotipik özelliklerin yanı sıra eğitim düzeyi ve sosyal katılımın da risk faktörleri olarak hareket edebileceğini düşündürmektedir. Amacımız, erken ve kişiselleştirilmiş bir şekilde nasıl müdahale edileceğini öğrenmek için katkılarını ve hastalığın moleküler itici güçleriyle ilişkilerini deşifre edebilmektir.
Multi-omik veri analizi, bir hastalık durumunu kapsamlı bir şekilde anlamak için proteomik, transkriptomik, metabolomik ve fenotipik özellikler gibi çeşitli biyolojik veri katmanlarını entegre etmek için kullanılabilir. Otomatik kodlayıcı modelleri, çok omik veri kümelerinin boyutluluğunu azaltmak için derin öğrenmeyi kullanır ve önemli bilgileri etkili bir şekilde özetler, Bununla birlikte, orijinal verilerdeki bireysel özelliklerin özetlenen çıktıya göre ne kadar önemli olduğunu yorumlamak zordur. Deep-omics AE'de, öğrenilen azaltılmış boyutluluk temsiline göre bireysel çoklu omik özelliklerin önemini türeten bir algoritma oluşturduk.
Bu yaklaşımla, moleküler olarak benzer modülleri ve bunların hastanın fenotipik özellikleri ile ilişkisini tanımlayabiliriz. Deep-omics AE, hastanın fenotipik özelliklerini hastalığın moleküler yapısı ile ilişkilendirmeye yardımcı olur. Örneğin, yaşlı hastalarda Alzheimer hastalığında en çok rol oynayan moleküler yolakların neler olduğunu ve genç hastalarda en çok rol oynayanların neler olduğunu sormak için kullanabilirsiniz.
Daha az eğitimli hastalarda ve daha eğitimli hastalarda hastalığın gelişmesinde rol oynayanlar nelerdir?