8 статей
Разработана гибридная мультимодальная нейросеть, сочетающая классические CNN и квантовые вариационные схемы для диагностики болезни Паркинсона по рисункам спиралей и клиническим данным. Модель показала высокую точность (до 97.28%) и обеспечивает интерпретируемость результатов с помощью Grad-CAM и анализа чувствительности.
В данном исследовании представлен комплексный вычислительный анализ транскриптомных профилей пациентов с болезнями Альцгеймера, Паркинсона и Гентингтона для выявления общих патофизиологических механизмов. Авторы идентифицировали 274 общих дифференциально экспрессируемых гена и три ключевых обогащенных пути, которые активированы при всех трех заболеваниях. Среди них выделены пути, связанные с воспалительной сигнализацией через транскрипционный фактор NF-kappaB, и путь регуляции транскрипции BCL2L11 с помощью RUNX3. В качестве наиболее перспективных мишеней для терапии были определены пять генов: NFKBIA, NFKB1, RELA, TRIM4 и SMAD4, демонстрирующих значительную ап-регуляцию. На основе анализа было предложено репозиционирование уже одобренных FDA препаратов, включая антигиперлипидемические, антигипертензивные, антидиабетические и другие средства, для лечения этих нейродегенеративных состояний. Исследование подчеркивает потенциал использования биоинформатики для ускорения разработки терапии через использование существующих лекарственных средств.
В исследовании проведен мета-анализ 16 наборов данных bulk RNA-seq (646 образцов: 314 пациентов с болезнью Паркинсона и 332 контрольных образца) для изучения влияния возраста на транскрипционные изменения при данном заболевании. Ученые выявили существенные различия в генетических профилях между группами пациентов моложе 60 лет и старше 60 лет. У лиц младше 60 лет обнаружено 31 дифференциально экспрессируемый ген (DEG), включая lncRNA LINC02188 и регуляторы цитоскелета (TIAM2, KCTD8), что указывает на раннюю реорганизацию аксонов и структурные изменения нейритов. В группе старше 60 лет выявлено 181 DEG, связанных с нейрональными маркерами (NPAS4, PVALB) и иммунно-метаболическими путями (FGA, NPC1L1), что свидетельствует о широкой дисрегуляции протеостаза и цитокинового сигналинга. Исследование подчеркивает, что классические изменения при болезни Паркинсона в большей степени обусловлены возрастом, в то время как ранние формы заболевания вовлекают уникальные модули lncRNA, кальциевой и липидной регуляции. Полученные данные выделяют новые потенциальные биомаркеры, такие как LINC02188 и TLCD3B, для ранней диагностики болезни Паркинсона.
Исследование оценивает возможность использования данных с носимых акселерометров для автоматической оценки тяжести симптомов болезни Паркинсона. С помощью моделей машинного обучения авторы продемонстрировали корреляцию между показателями актиграфии и клинической шкалой MDS-UPDRS, что открывает путь к непрерывному мониторингу пациентов.
В статье представлен SHINE — инновационный вычислительный фреймворк на основе гиперграфов, предназначенный для совместного анализа пространственной экспрессии генов и метаболических сетей. Разработка решает критические проблемы мультиомиксных исследований: пространственное несовпадение данных, разницу в разрешении и сложные взаимодействия между транскриптомом и метаболомом. Методология SHINE использует обучение представлениям (representation learning) для интеграции данных, полученных с одного тканевого среза. В ходе тестирования на моделях болезни Паркинсона у мышей алгоритм успешно выявил области с истощением дофаминергических нейронов и реконструировал оси, связанные с дофамином. При анализе образцов рака легких и молочной железы у человека метод позволил точно сегментировать опухолевые микроокружения и идентифицировать пространственно организованные генно-метаболические программы. Технология демонстрирует высокую масштабируемость и точность в выявлении биомаркеров, что открывает новые возможности для прецизионной диагностики и понимания молекулярных механизмов заболеваний.
Исследование, опубликованное в журнале npj Digital Medicine, демонстрирует возможность использования потребительских устройств, таких как iPad, для мониторинга состояния пациентов с болезнью Паркинсона. Авторы провели сравнительный анализ точности айтрекинга на планшете и специализированного клинического оборудования для оценки окуломоторных функций. Результаты показали, что алгоритмы отслеживания взгляда на iPad способны достоверно воспроизводить специфические патологические изменения движений глаз, характерные для прогрессирования заболевания. Методология включала оценку саккад и плавного слежения, что позволило подтвердить высокую корреляцию между показателями мобильного устройства и профессиональными диагностическими системами. Это открытие открывает путь к созданию доступных инструментов дистанционного мониторинга и ранней диагностики неврологических расстройств в домашних условиях. Использование таких технологий может значительно снизить нагрузку на клиники и обеспечить непрерывный контроль состояния пациентов.
В данном исследовании представлен инновационный интегративный анализ экспрессии подвижных элементов (TEs) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Ученые проанализировали 4 набора данных snRNA-seq, полученных из посмертных образцов компактной части черной субстанции пациентов с болезнью Паркинсона (БП) и здоровых контрольных групп. С помощью специализированного инструмента soloTE была проведена оценка изменений экспрессии TEs, после чего результаты были объединены методами мета-анализа для создания надежного атласа, специфичного для конкретных типов клеток. Особое внимание в работе уделено изучению механизмов, которые могут объяснять половые различия в патогенезе болезни Паркинсона. Кроме того, исследователи установили возможные ассоциации между подвижными элементами и белок-кодирующими генами, предлагая потенциальный механизм действия, посредством которого TEs способствуют развитию заболевания. Результаты работы закладывают основу для понимания генетической регуляции БП на уровне отдельных клеток.
В статье представлена гибридная нейросетевая архитектура (HDNN) для классификации нейродегенеративных заболеваний на основе данных МРТ. Использование методов ConvNeXt, MaxViT и механизмов Cross-Fusion Attention позволило достичь точности 97,4%, а применение Grad-CAM++ обеспечивает интерпретируемость результатов для клинического применения.
