神经退行性疾病，如阿尔茨海默病、帕金森病和肌萎缩侧索硬化症（ALS），由于其进行性的神经元退化，导致严重的认知和运动功能障碍，给医疗保健带来了深远的挑战。尽管在这些疾病的分子和细胞机制方面取得了进展，但早期诊断工具和有效治疗方法仍然有限。传统的诊断方法经常无法在疾病最早阶段检测到疾病，现有的疗法主要缓解症状而未能解决根本原因。
本研究主题旨在整合利用人工智能（AI）、生物信息学和计算机方法在神经退行性疾病中发现和验证生物标志物的前沿研究。强调改进早期诊断技术、分子机制的洞察以及识别新的治疗靶点，这一系列将展示跨学科的进展，可能重新定义精准医学并支持临床决策过程的变革性变化。我们邀请了广泛的计算和生物医学研究领域的贡献，涉及神经退行性疾病。
关键主题包括：
- AI和机器学习在生物标志物检测中的开发和应用。
- 计算机方法用于发现基于微小RNA的生物标志物。
- 单细胞RNA测序技术以阐明细胞水平的基因表达模式。
- 多组学数据整合以获得对神经退行性疾病的分子机制的整体理解。
- 新型生物信息学工具处理和分析复杂的多组学数据，以理解神经退行性疾病的分子机制。
- 精准医学方法个性化治疗计划并改善神经退行性疾病的患者预后。
- 使用体外和体内方法实验验证通过AI和计算机方法识别的生物标志物。
- 虚拟筛选方法用于识别潜在药物，以及分子动力学（MD）在探索与神经退行性疾病相关的蛋白质-配体相互作用中的应用。
关键词：AI在神经退行性疾病中的应用，生物信息学用于生物标志物发现，计算机建模，多组学整合，神经退行性疾病生物标志物，机器学习用于疾病诊断，单细胞RNA测序，基于微小RNA的生物标志物，精准医学。
重要说明：所有对本研究主题的贡献必须在其提交的部门和期刊的范围内，如其使命声明中所定义。Frontiers有权在同行评审的任何阶段将超出范围的手稿引导至更合适的部门或期刊。
(全文结束)
