자폐 스펙트럼 장애: 뇌 연구에서 네 가지 하위 유형 식별

[이매진]

자폐 스펙트럼 장애: 뇌 연구에서 네 가지 하위 유형 식별

자폐 스펙트럼 장애 이해: 유전자에서 네트워크까지.

https://www.techexplorist.com/autism-spectrum-disorder-brain-study-identifies-four-subtypes/61961/

Autism spectrum disorder: brain study identifies four subtypes

자폐 스펙트럼 장애 이해: 유전자에서 네트워크까지.

2023년 6월 13일

에 의해프라작타 바닉 박사

우리를 따라 오세요

공유하다

뇌 행동 차원에 대한 기계 학습은 별개의 분자 경로와 연결된 자폐 스펙트럼 장애의 네 가지 하위 유형을 보여줍니다. 여기에서 3D 프리즘 큐브는 프리즘 유리에 새겨진 세 가지 뇌 행동 차원의 기계 학습을 나타냅니다. 백색광 또는 "데이터"는 프리즘 또는 "기계 학습 알고리즘"을 통과하여 네 가지 자폐증 하위 유형의 자폐인의 스펙트럼을 나타내는 네 가지 색상의 빛 경로로 나뉩니다. 시퀀싱 배열의 색칠된 배경은 자폐증 하위 유형의 분자 연관성을 나타냅니다. 출처: Amanda Buch 박사

자폐 스펙트럼 장애(ASD)는 사회적 상호 작용, 의사 소통 및 반복적인 행동의 다양한 문제를 특징으로 하는 복잡한 신경 발달 상태입니다. 그러나 ASD는 다양한 스펙트럼의 증상과 표현을 포함하므로 효과적으로 이해하고 분류하기 어렵습니다. 획기적인 연구에서 연구원들은 뇌에서 관찰되는 패턴을 기반으로 자폐증의 4가지 하위 유형을 식별하기 위해 고급 신경 영상 기술을 사용 했습니다 .

Weill Cornell Medicine의 조사관이 수행한 최근 연구에서는 자폐 스펙트럼 장애(ASD) 내에서 4가지 뚜렷한 하위 유형이 밝혀졌습니다. 연구원들은 기계 학습 기술을 사용하여 299명의 자폐증 환자와 907명의 신경학적 개인의 신경 영상 데이터를 분석했습니다. 이 연구는 언어 능력, 사회적 영향, 반복적이거나 고정관념적인 행동을 포함하여 자폐증을 가진 사람들에게서 관찰되는 다양한 행동 특성과 관련된 뇌 연결의 특정 패턴을 확인했습니다.

또한 연구원들은 독립적인 데이터 세트에서 4개의 자폐증 하위 그룹을 복제했습니다. 그들은 지역적 유전자 발현과 단백질-단백질 상호작용의 차이가 관찰된 뇌 활동과 행동의 변화를 설명한다는 것을 발견했습니다. 이러한 발견은 ASD의 이질성에 대한 귀중한 통찰력을 제공하고 맞춤형 개입을 위한 잠재적인 방법과 장애의 기본 메커니즘에 대한 이해를 향상시킵니다. 이 연구는 3월 9일 Nature Neuroscience에 게재되었습니다.

공동 선임 저자인 Weill Cornell Medicine 의 Feil Family Brain and Mind Research Institute의 정신과 및 신경과학 부교수인 Conor Liston 박사 는 다음과 같이 말했습니다. 사회적 상호 작용, 의사 소통 및 반복적 인 행동. 과학자들은 다양한 치료가 필요한 다양한 유형의 자폐 스펙트럼 장애가 있다고 생각합니다. 그러나 그것들을 정의하는 방법에 대한 합의가 없습니다. 우리의 작업은 언젠가 진단 및 치료를 위한 새로운 접근 방식으로 이어질 수 있는 자폐증의 하위 유형을 발견하는 새로운 접근 방식을 강조합니다.”

Weill Cornell Medicine의 연구원들은 기계 학습 기술을 사용하여 자폐 스펙트럼 장애(ASD)가 있는 개인 내의 뚜렷한 하위 그룹을 식별하는 연구를 수행했습니다. 우울증 하위 유형에 대한 이전 연구에서 영감을 얻은 Amanda Buch 박사가 이끄는 팀은 유사한 하위 그룹이 자폐증에 존재하는지, 다른 유전자 경로가 발달에 기여하는지 확인하는 것을 목표로 했습니다. 연구자들은 신경 영상, 유전자 발현 및 단백질체학 데이터를 결합하여 자폐증의 고유한 생물학적 다양성과 개인을 위한 맞춤 치료법을 이해하고자 했습니다.

이 연구는 Adriana Di Martino 박사와 동료들이 제공한 상당한 데이터 세트에 의해 가능해졌으며, 대규모 기계 학습 연구를 위한 충분한 기능적 자기 공명 영상(fMRI) 데이터를 얻는 데 있어 이전의 한계를 극복했습니다.

Weill Cornell Medicine의 연구원들은 기계 학습 기술을 사용하여 자폐증의 복잡성을 이해하는 데 상당한 발전을 이루었습니다. 수천 개의 유전자, 뇌 활동 및 행동 변이를 분석하여 각각 고유한 특성을 가진 자폐증이 있는 네 가지 하위 그룹을 식별했습니다. 이 연구는 특정 뇌 연결이 더 많은 사회적 장애가 있는 하위 그룹에서 과잉 활동적이고 더 반복적인 행동을 하는 하위 그룹에서는 약하다는 것을 밝혔습니다.

또한 팀은 긍정적인 사회적 상호 작용과 관련된 옥시토신을 포함하여 이러한 비정형 뇌 연결과 관련된 유전자 발현 및 단백질 상호 작용을 발견했습니다. 이번 연구 결과는 자폐증이 있는 개인의 특정 하위 그룹에 대한 표적 치료의 가능성을 시사합니다. 팀의 연구는 데이터가 자신의 경험을 이해하는 데 도움이 되는 자폐증이 있는 개인으로부터 긍정적인 피드백을 받았습니다.

결론적으로, 이 연구는 ASD의 복잡한 특성을 해명하는 기계 학습 기술의 힘을 보여줍니다. ASD 인구 내에서 뚜렷한 하위 그룹을 식별하고 개인차와 관련된 분자 및 네트워크 수준 메커니즘을 밝혀냄으로써 이 연구는 개인화된 치료법을 개발하기 위한 귀중한 통찰력을 제공합니다. 이 발견은 특정 하위 그룹을 대상으로 하여 개선된 결과에 대한 희망을 제공하고 향후 ASD 연구 및 임상 시험에서 이질성을 고려하는 것의 중요성을 강조합니다.

저널 참조: