預防醫學

科學家如何有效預測多種人類疾病的發生?

作者:佚名 來源:生物穀 日期:2019-01-22
導讀

         本文中,小編整理了多篇研究報告,共同解讀科學家們如何有效預測多種人類疾病?分享給大家!

關鍵字:  預測 | 疾病 

本文中,小編整理了多篇研究報告,共同解讀科學家們如何有效預測多種人類疾病?分享給大家!

 

        【1】Genet in Med:科學家開發出一種能預測女性乳腺癌風險的新型工具

doi:10.1038/s41436-018-0406-9

        近日,一項刊登在國際雜誌Genetics in Medicine上的研究報告中,來自英國癌症研究中心(Cancer Research UK)的科學家們通過研究開發出了一種最全麵的方法來預測女性患乳腺癌的風險。研究者指出,這種方法能通過將個體的家族史信息、遺傳因素、體重、絕經年齡、飲酒以及激素替代療法使用情況相結合來計算出其患乳腺癌的風險。

        盡管單獨來看,上述因素中的一部分對個體患病的可能性影響很小,但研究者發現,通過對這些因素進行全麵考慮,同時結合家族史和遺傳特征,他們就能鑒別出患乳腺癌不同風險的女性群體;更重要的是,這項研究中研究人員首次將300多種乳腺癌遺傳指標考慮了進去,這就使他們能夠更加準確地分析個體的乳腺癌患病風險。

        【2】Nat Commun:科學家成功利用多股數據流和人工智能技術來預測流感的暴發和傳播

doi:10.1038/s41467-018-08082-0

        流感具有高度的傳染性,其會隨著人們四處走動而迅速傳播,因此這就使得追蹤並且預測流感傳播活動成為了科學家們的一大挑戰;美國CDC會實時監測美國流感樣疾病患者的就診情況,這些信息可能要比實際時間滯後大約兩周;近日,一項刊登在國際雜誌Nature Communications上的研究報告中,來自波士頓兒童醫院的科學家們通過將兩種預測方法同機器學習技術(人工智能技術)相結合就能成功評估本地的流感活動情況。

        這種被稱為ARGONet的新方法被應用於2014年9月至2017年5月的流感季節,其要比研究人員此前開發的方法ARGO具有更高的準確率。研究者表示,在美國各州發布的傳統衛生保健報告前一周,ARGONet方法能對迄今為止的流感活動作出最準確的預測。

 

        【3】Circulation:血細胞中特殊分子的表達或能幫助預測機體動脈粥樣硬化的風險

doi:10.1161/CIRCULATIONAHA.118.034326

        近日,一項刊登在國際雜誌Circulation上的研究報告中,來自西班牙國家心血管病研究中心的科學家們通過研究發現,血細胞中CD69分子的表達水平或能幫助預測個體的動脈粥樣硬化風險。

        動脈粥樣硬化是一種以動脈壁脂質堆積為主要特征的疾病,但其通常在發生心肌梗死或中風等臨床事件後才被發現;由於受影響患者的生活質量會發生下降,而且其症狀出現後的治療效益非常有限。動脈粥樣硬化的起源及其進展到急性心肌梗死和卒中離不開炎性免疫反應的影響,研究者表示,目前我們並未闡明脂質代謝和機體免疫反應之間的關係,有假設認為,氧化的低密度脂蛋白(LDLox)能夠誘發炎性免疫細胞的招募以及其在斑塊中的積累,然而有研究證據表明,細胞和組織能通過抑製促炎症信號來對LDLox產生反應。

        【4】eNeuron:女性生殖循環能夠預測阿茲海默症的發生

doi:10.1523/ENEURO.0132-17.2018

        根據最近在《eNeuro》雜誌上發表的一項新研究,作者通過對能夠引發阿茲海默樣病理和相關認知障礙的雌性遺傳修飾小鼠進行檢測,發現其在卵巢周期中性激素中表現出獨特的波動模式。這項研究表明,自然生殖周期可能為年輕女性的阿爾茨海默病(AD)風險提供新的窗口。

        阿茲海默症在首次臨床症狀出現前的幾十年就已經開始發生發展。這意味著在女性的生育時期,這種疾病可能已經開始悄悄發生。 Dena Dubal及其同事希望了解,在自然卵巢周期中釋放的激素 - 特異性雌激素是否能促進高危人群的疾病進展。

 

        【5】Cell Metabol:科學家利用特殊的分子標記預測人群糖尿病和心血管疾病的患病風險

doi:10.1016/j.cmet.2018.09.022

        近日,一項刊登在國際雜誌Cell Metabolism上的研究報告中,來自斯克利普斯研究所的科學家們通過研究發現了一種新方法,能夠利用肥胖人群不同的分子標記來預測其患糖尿病和心血管疾病的風險,相關研究結果或能擴展醫生和科學家們對疾病進行診斷和治療的方法。

        研究者Amalio Telenti表示,未來我們或許可以通過機體的代謝產物來預測肥胖個體是否會患上糖尿病和心血管疾病。利用尖端的技術,研究人員就能夠評估疾病風險和個體代謝組之間的關聯,鑒別出預測疾病風險的特殊標記;代謝組就是機體成百上千種代謝產物的集合。通過對代謝組改變進行分析,研究人員就能夠預測個體在未來幾年裏患糖尿病和心血管疾病的風險會增加幾倍。

        【6】eLife:基因標記能夠預測脊柱損傷的預後效果

doi:10.7554/eLife.39188

        根據發表在《eLife》雜誌上的一項研究,科學家已經確定了與脊髓損傷嚴重程度相關的基因特征。這一發現可以為尋找預測脊髓損傷恢複的生物標誌物提供信息,並可能確定新的治療靶標。

        到目前為止,仍沒有針對脊髓損傷後立即恢複運動和感覺功能的治療方法。其中一大主要障礙是缺乏對脊髓損傷發生時發生的複雜生物過程的理解。“我們對脊髓損傷引發的病理生理過程的理解是不完整的,”資深作者Michael Skinnider解釋到。

 

        【7】Sci Rep:小孩子的口腔微生物構成能夠預測肥胖的發生風險

doi:10.1038/s41598-018-31866-9

        根據最近發表在《Scientific Reports》雜誌上的一篇文章,兒童早期的體重增加情況與口腔細菌的組成有關,這表明兒童微生物群可以作為預測兒童肥胖的早期指標。

        “美國有三分之一的孩子存在超重或肥胖的症狀,”該論文的作者Kateryna Makova教授說。 “如果我們能找到幼兒肥胖的早期指標,我們可以幫助父母和醫生采取預防措施。”“在這項研究中,我們發現孩子兩歲時的口腔微生物群與出生後頭兩年的體重增加有關,”Makova說。

        【8】Cell:基因分析預測疾病發生風險

doi:10.1016/j.cell.2018.07.021

        根據斯坦福大學醫學院的一項新研究,一種能夠提煉出大量遺傳數據和患者健康記錄的新方法可以預測一個人患有常見且致命的心血管疾病的風險。這種通過機器學習的方法迄今為止隻被用於預測這腹主動脈瘤的患病風險。

        基因組測序已經在癌症或罕見病的風險預測中被大量使用。但仍有一個懸而未決的問題:這種方法預測疾病風險的可靠性如何?

        通常,研究人員和醫療保健提供者使用基因檢測來尋找可能對應於特定疾病風險增加的DNA序列。例如,BRCA1和BRCA2基因的突變可能預示著患乳腺癌的風險增加。但是,這種新開發的方法並不像那樣。它不是在尋找一個單獨的基因或突變,而是尋找一係列複雜的突變模式,以及這些遺傳錯誤如何影響一個人的健康和疾病風險。

 

        【9】Genom Med:免疫細胞的基因表達或能幫助預測機體對流感的易感性

        doi:10.1186/s13073-018-0554-1

        近日,一項刊登在國際雜誌Genome Medicine上的研究報告中,來自斯坦福大學醫學院的研究人員通過研究發現,免疫細胞的基因表達或許能夠有效預測機體對流感的易感性,文章中,研究者表示,表達KLRD1的自然殺傷細胞或許能作為機體對流感易感性的特殊生物標誌物。

        研究者Erika Bongen說道,這項研究中我們對四項獨立流感挑戰研究中來自全血轉錄組數據中的免疫細胞的比例進行了評估分析,隨後對在三項隊列研究中接種流感疫苗之前有症狀脫落者和無症狀非脫落者機體中的免疫細胞比例進行了對比研究,並在驗證挑戰隊列研究中對結果進行了測試。

        【10】Nature Methods:科學家成功使用AI預測癌症進化

doi:10.1038/s41592-018-0108-x

        一個來自英國和美國的聯合研究團隊已經開發出了一種使用人工智能預測腫瘤可能如何改變以及如何在病人體內傳播的方法,相關研究成果於近日發表在Nature Methods上。

        通過過去數十年的研究,科學家們已經發現腫瘤實際上在不斷進化,這使得它們可以改變它們的發生以及轉移的方式。而明白這個進化過程如何工作被認為是阻止癌症發生的關鍵所在。為了揭示其中的秘密,研究人員已經收集了病人的腫瘤組織樣品,試圖找出它們改變的模式。但是這種方法被證明很難成功,因為當腫瘤生長時,它們也會出現新的突變,而這些突變對它們的轉移能力並無影響。

分享:

相關文章

評論

我要跟帖
發表
回複 小鴨梨
發表

copyright©醫學論壇網 版權所有,未經許可不得複製、轉載或鏡像

京ICP證120392號  京公網安備110105007198  京ICP備10215607號-1  (京)網藥械信息備字(2022)第00160號
//站內統計 //百度統計 //穀歌統計 //站長統計
*我要反饋: 姓    名: 郵    箱: