機器學習算法可根據(jù)母親血漿預測100％準確性的抗體相關自閉癥風險
得益于現(xiàn)代人工智能技術，加州大學戴維斯分校MIND研究所的研究人員最近成功地根據(jù)母體自身抗體(即攻擊其組織的抗體)的特定模式準確預測了自閉癥譜系障礙(ASD)的風險自己的主機。第一作者朱迪·范德沃特教授說：“這項研究的意義是巨大的。” “這是第一次使用機器學習以100%的準確度識別MAR ASD特定模式作為潛在的ASD風險生物標志物。”
在這項研究中，范德沃特(Van de Water)的小組分析了450名自閉癥兒童母親和342名典型發(fā)育兒童的母親的血漿樣本。所有樣本均來自參與遺傳和環(huán)境兒童自閉癥風險研究的母親。
機器學習使首次基于蛋白質(zhì)生物標記物準確評估自閉癥風險成為可能。圖片：pxhere.com，CC0公共領域
在機器學習的幫助下，研究人員能夠開發(fā)和驗證一項測試，以鑒定與胎兒腦中豐富的八種蛋白質(zhì)有反應性的ASD特異性母體自身抗體模式。
更具體地說，該算法經(jīng)歷了大約10,000個單獨的模式，并確定了與MAR ASD風險最相關的三個模式，即CRMP1 + GDA，CRMP1 + CRMP2和NSE + STIP1。
“例如，如果母親對CRIMP1和GDA(最常見的模式)具有自身抗體，那么根據(jù)當前數(shù)據(jù)集，她生自閉癥孩子的幾率是普通人群的31倍。巨大的，”范德沃特說。“幾乎沒有什么可以為您提供這種類型的風險評估。”
將來，這些孕婦生物標志物可用于高危婦女的孕前檢測，因為早期診斷和干預通常在改善ASD兒童的生活質(zhì)量方面更為有效。
此類測試基于快速準確的ELISA(酶聯(lián)免疫吸附測定)平臺，可以讓女性發(fā)現(xiàn)孩子患MAR SAD的風險，如果排除這種情況，則意味著她們生孩子的總體風險自閉癥的患病率低43%。
Van De Water現(xiàn)在正在研究動物模型，以開發(fā)有效的干預措施，以阻斷這些母源抗體對胎兒大腦的影響。
“就自閉癥的早期風險評估而言，這項研究意義重大，我們希望這項技術將來會在臨床上有用。”
標簽：