Machine learning identifies lactate metabolism biomarkers and deciphers immune infiltration landscapes in Parkinson’s disease
8.0
来源：
Nature
关键字：
mRNA
发布时间：
2025-10-28 23:40
摘要：
本研究通过整合生物信息学和机器学习方法，识别了与乳酸代谢相关的生物标志物，提出了四个候选基因（KCNJ6、PDK4、LRP2和DENR），并构建了用于早期诊断帕金森病的预测模型。研究显示这些生物标志物在不同数据集中的诊断性能良好，具有重要的临床应用潜力。此外，研究还探讨了免疫细胞浸润与生物标志物之间的关系，为PD的病理机制提供了新见解。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+核心领域符合度
business_impact
1.0分+潜在商业应用
scientific_rigor
1.5分+有具体实验数据
timeliness_innovation
1.5分+重大创新
investment_perspective
2.5分+早期研发阶段
market_value_relevance
1.0分+高发疾病相关性
team_institution_background
0.5分+团队背景
technical_barrier_competition
1.0分+技术壁垒
关键证据
研究识别了119个差异表达基因，构建了生物标志物预测模型。
通过机器学习算法（LASSO和SVM）筛选出四个候选生物标志物。
外部验证显示这些生物标志物在PD诊断中的潜在应用。
真实性检查
否
AI评分总结
本研究通过整合生物信息学和机器学习方法，识别了与乳酸代谢相关的生物标志物，提出了四个候选基因（KCNJ6、PDK4、LRP2和DENR），并构建了用于早期诊断帕金森病的预测模型。研究显示这些生物标志物在不同数据集中的诊断性能良好，具有重要的临床应用潜力。此外，研究还探讨了免疫细胞浸润与生物标志物之间的关系，为PD的病理机制提供了新见解。