O AVC isquêmico (AI) é uma das principais causas de incapacidade e morte no mundo. É causada por coágulos sanguíneos nas artérias que levam ao cérebro. É importante dissolver o coágulo num período de cerca de 4,5 horas para evitar que chegue ao cérebro e cause danos às células cerebrais ou mesmo morte celular. Existem certos biomarcadores diagnósticos para EI que podem ajudar na detecção precoce e no tratamento do AVC. Além disso, as respostas imunes de um nível induzidas pela coagulação sanguínea desempenham um papel importante na progressão da EI, mas são complexas e difíceis de detectar. A descoberta destes biomarcadores pode acelerar o diagnóstico, o tratamento oportuno e, em última análise, reduzir a carga global desta doença.
Tradicionalmente, o diagnóstico tem sido feito por meio de técnicas de imagem, exame clínico e sequenciamento em massa de RNA. As informações coletadas usando esses métodos são valiosas, mas precisam demonstrar interações no nível de células individuais. Embora tomografias computadorizadas ou ressonâncias magnéticas ajudem a identificar lesões cerebrais, detalhes moleculares precisam ser obtidos. Da mesma forma, o sequenciamento de RNA em massa pode fornecer perfis médios de expressão gênica, faltando sinais específicos do tipo de célula e respostas imunes. Este artigo combina modelos de aprendizado de máquina (Elastic Net, Lasso, regressão Ridge e Random Forest) e sequenciamento de RNA unicelular (scRNA-seq) para compreender melhor as respostas celulares e os mecanismos regulatórios do IS. Esta preparação unicelular permite a detecção de diferentes células, incluindo microglia, macrófagos, neutrófilos e células T, que desempenham um papel importante na resposta imune à lesão isquêmica.
O fluxo de trabalho detalhado da estrutura proposta, incluindo aprendizado de máquina e transcriptômica unicelular, começa com a coleta de dados de expressão gênica de pacientes com AVC isquêmico. Um método chamado Weighted Gene Co-Expression Network Analysis (WGCNA) é usado para agrupar genes coexpressos em módulos, que são então vinculados às características clínicas dos pacientes com EI. Modelos de aprendizado de máquina estão sendo aplicados a esses módulos para identificar sinais de diagnóstico. scRNA-seq também é usado para analisar dados de expressão gênica e identificar genes que são expressos diferencialmente em pacientes com EI. Genes sobrepostos detectados em modelos de aprendizado de máquina e resultados de scRNA-seq são identificados como potenciais biomarcadores.
O método IMTAS mostrou seu potencial ao identificar vários biomarcadores e mecanismos de proteção promissores associados ao acidente vascular cerebral isquêmico. Por exemplo, assinaturas de expressão genética em macrófagos e microglia foram associadas ao aumento da inflamação, indicando o seu papel na progressão da lesão isquémica. Além disso, a análise do sistema imunológico revela a regulação das vias de adesão e migração celular, o que indica a estimulação das células imunes em locais isquêmicos. A precisão do IMTAS em relação aos métodos convencionais foi muito proeminente, especialmente ao distinguir biomarcadores de acidente vascular cerebral isquêmico daqueles relacionados a outras condições neuroinflamatórias. A alta precisão sugere que o IMTAS pode ser usado para fins diagnósticos de AVC isquêmico, permitindo intervenção precoce e terapia direcionada. O IMTAS, devido à integração do aprendizado de máquina na análise unicelular, distingue entre genes ativos e inativos, especialmente em populações de células imunes, e apresenta novas informações que podem ser rapidamente utilizadas na descoberta de biomarcadores e no desenvolvimento de terapia.
No geral, este estudo combina análise de rede de coexpressão genética ponderada com aprendizado de máquina e sequenciamento de RNA unicelular em uma abordagem abrangente e nova para biomarcadores de AVC isquêmico. Essa pesquisa aprofunda nossa compreensão dos complexos aspectos imunológicos da EI, concentrando-se nas interações genéticas. No entanto, é necessária validação adicional em conjuntos de dados mais amplos e diversos para confirmar a fiabilidade dos biomarcadores identificados. Portanto, a força geral deste trabalho reside na detecção precoce e no tratamento do AVC isquémico, contribuindo assim positivamente para a redução da carga global desta doença.
Confira Papel. Todo o crédito deste estudo vai para os pesquisadores deste projeto. Além disso, não se esqueça de nos seguir Twitter e junte-se ao nosso Estação telefônica de novo LinkedIn Gracima. Se você gosta do nosso trabalho, você vai gostar do nosso jornal.. Não se esqueça de participar do nosso SubReddit de 55k + ML.
[Sponsorship Opportunity with us] Promova sua pesquisa/produto/webinar para mais de 1 milhão de leitores mensais e mais de 500 mil membros da comunidade
Afeerah Naseem é estagiária de consultoria na Marktechpost. Ele está cursando bacharelado em tecnologia no Instituto Indiano de Tecnologia (IIT), Kharagpur. Ele é apaixonado por Ciência de Dados e fascinado pelo papel da inteligência artificial na resolução de problemas do mundo real. Ele adora descobrir novas tecnologias e explorar como elas podem tornar as tarefas diárias mais fáceis e eficientes.
Ouça nossos podcasts e vídeos de pesquisa de IA mais recentes aqui ➡️
