【PLOS子刊】AI融合基因組學研究預測阿爾茨海默病的早期分子標記

??該研究發表在計算生物學領域的國際學術期刊《PLOS計算生物學》上。題為“A practical application of generative adversarial networks for RNA-seq analysis to predict the molecular progress of Alzheimer's disease”

??研究團隊使用先進的對抗性生成網絡（GANs）的深度學習技術分析了AD小鼠模型的大腦皮質組織數據。GANs是一種算法，它通過生成器和鑒別器之間的競爭來生成數據，分析生成的數據，并生成接近真實圖像的合成數據。先前，GANs技術曾用于制作巴拉克·奧巴馬（Barack Obama）總統的假演講視頻，并可用于預測面部老化。

??GAN在大量RNA-seq數據中的應用概述。圖片來源：韓國腦科學研究所

      研究小組利用GANs對小鼠進行了AD基因表達模擬，觀察了基因表達從正常狀態到AD狀態的變化過程。結果發現β淀粉樣蛋白在疾病早期含量增加并改變了膽固醇的生物合成。這一發現也被死后腦組織的RNA序列分析所證實。

??這項研究是基于生物信息學與AI融合的獨特研究技術，其意義在于為研究者提供更系統的分析和實驗設計，它代表了一種新的方法來預測疾病發展早期階段的生物變化，并可以將其應用于醫療保健行業。

??與膽固醇生物合成和膽固醇代謝有關的基因的過渡曲線和熱圖。圖片來源：韓國腦科學研究所

      Cheon博士表示：“ GANs是一個有用的工具，可以用來分析由疾病引起的基因表達差異，并通過解釋現象的原因來分析其分子進展。這種方法的不斷擴展和組學數據的積累有望幫助我們克服與腦疾病和衰老相關的分析的最大局限性，這是一個耗時的獲取樣本的過程。”

【1】Park J, Kim H, Kim J, Cheon M (2020) A practical application of generative adversarial networks for RNA-seq analysis to predict the molecular progress of Alzheimer's disease. PLoS Comput Biol 16(7): e1008099. https://doi.org/10.1371/journal.pcbi.1008099

【2】https://medicalxpress.com/news/2020-08-early-molecular-signatures-ad-convergence.html

【3】https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1008099