基于图的阿尔茨海默病生物标志物发现与解释
机器学习
2026-05-01 v2 定量方法
摘要
早期诊断和发现治疗药物靶点是有效管理阿尔茨海默病(AD)的关键目标。当前AD诊断和治疗规划方法基于放射学影像，因成本高昂且获取困难，在人群水平的筛查中几乎不可达。最近，血液检测在AD诊断方面显示出前景，指明可用于AD管理的可能生物标志物。血液检测更易于贫困人群获取，成本效益更高，且无创。然而，AD诊断中的生物标志物发现复杂，因为存在多个生物标志物之间的重要关联。我们引入 BRAIN(生物标志物表示、分析与解释网络)，一种新型机器学习(ML)框架，用于联合优化诊断准确度和生物标志物发现过程，以识别贡献至AD诊断的所有相关生物标志物。通过生物标志物的整体图基表示，我们展示了它们的相互关联性，并解释了为何不同的ML模型识别出不同的判别性生物标志物。我们将BRAIN应用于公开可用血液生物标志物数据集，发现三个新的生物标志物子网络，其相互作用在对照组和AD组之间存在差异，为AD的药物发现和生物标志物分析提供了新范式。
引用
@article{arxiv.2411.18796,
title = {Graph-Based Biomarker Discovery and Interpretation for Alzheimer's Disease},
author = {Maryam Khalid and Fadeel Sher Khan and John Broussard and Arko Barman},
journal= {arXiv preprint arXiv:2411.18796},
year = {2026}
}