血液基因活性或可助力ALS检测与生存期预测Genetic activity in blood could help detect ALS, predict survival

环球医讯 / 健康研究来源:alsnewstoday.com美国 - 英语2025-12-21 08:38:32 - 阅读时长2分钟 - 994字
密歇根大学研究团队通过分析全血基因活性结合机器学习,开发出包含46个基因的检测面板,可实现91%准确率的ALS诊断并预测患者生存期,同时识别出包括三氟拉嗪和依鲁替尼在内的八种潜在治疗药物,该突破性方法有望解决ALS缺乏可靠诊断工具的困境,为早期临床干预提供科学依据,相关成果已发表于《自然·通讯》期刊。
ALS血液基因活性检测生存期预测诊断生物通路治疗方案基因表达谱RNA测序机器学习潜在药物
血液基因活性或可助力ALS检测与生存期预测

研究人员开发出一种新型方法,通过测量血细胞中的基因活性来检测肌萎缩侧索硬化症(ALS)并预测患者生存结果。该研究同时基于基因活性分析,定义了ALS中受损的生物通路,并识别出潜在治疗方案。

密歇根大学研究合著者埃娃·L·费尔德曼博士在大学新闻报道中表示:"这些发现为ALS早期诊断提供了重要机会,使患者能够获得原本因病情晚期而无法参与的治疗和临床试验。"

这项题为《全血基因表达谱预测肌萎缩侧索硬化症发病状态与生存期》的研究已发表于《自然·通讯》期刊。

ALS的特征是控制运动的神经细胞(运动神经元)死亡和退化,导致进行性肌无力。现有治疗手段有限,多数患者在发病后仅存活数年,且目前尚无可靠诊断ALS或预测患者生存期的客观检测方法。

研究团队指出:"本研究旨在通过开发基于血液的ALS风险与生存期基因表达谱,并结合药物扰动分析筛选候选药物,解决这些未满足的临床需求。"

传统方法通常检测血液中特定疾病生物标志物的水平,而本研究创新性地评估了编码这些生物标志物的基因活性程度。研究团队采集了422名ALS患者和272名健康对照者的血样,采用RNA测序技术检测超过22,000个基因的活性,随后运用机器学习分析差异。

经优化后,研究团队确定了包含46个基因的检测面板,在数据集中实现约91%的ALS识别准确率。在外部数据集测试中,即使部分基因数据缺失,算法准确率仍超过60%。密歇根大学首席作者赵悦博士表示:"在自有样本及外部数据测试中,本模型表现优于既往所有ALS生物标志物研究,建议深入探索该模型以提升诊断准确性并缩短诊断延迟。"

研究人员将基因活性数据与临床及人口统计学数据(如症状出现年龄、肌无力首发年龄和性别)结合分析,成功构建高精度生存期预测模型。

研究团队进一步分析ALS遗传数据,识别疾病中失调的生物通路,并据此筛选潜在治疗方案。研究发现八种潜在药物,包括已上市的三氟拉嗪(精神分裂症治疗药物)和依鲁替尼(特定血液癌症治疗药物)。科学家强调需进一步验证这些药物对ALS的疗效,但指出该分析为后续研究提供了重要方向。

密歇根大学共同资深作者莫林·A·萨特博士表示:"推进这些关键后续研究具有巨大潜力,将推动ALS诊断和治疗手段发展,最终改善临床诊疗。ALS研究正迎来激动人心的时代。"

【全文结束】

大健康
大健康