精神分裂症的影像遗传学方法研究

近年来随着神经影像技术和基因检测技术的发展,影像遗传学的研究有助于理解精神疾病易感基因对脑功能或结构的影响。该研究首先结合精神分裂症的背景,介绍了影像遗传学的研究进展,然后对影像遗传学方法多模态典型相关分析、联合独立成分分析、并行独立成分分析和基于稀疏表示的变量选择方法的基本原理和特点进行了归纳总结,随后阐述了有关精神分裂症的最新研究进展,最后对影像遗传学的未来研究发展进行了展望。     

结构与功能影像技术在阿尔茨海默病早期诊断中的应用现状及进展

阿尔茨海默病(AD)以慢性、进行性智力下降为特征。随着结构与功能影像技术的发展,AD早期诊断的准确率大幅提高,笔者对辅助早期诊断AD的MRI、CT基于体素的形态学测量、正电子发射断层成像、单光子发射计算机断层扫描等多种结构功能影像技术进行综述。     

基于网络成分分析的阿尔茨海默症靶基因动态表达研究

解析转录因子与靶基因之间相互调节的关系并构建转录调控网络,对研究阿尔茨海默症(AD)的致病机理、早期诊断及制药等具有重要意义。网络成分分析( NCA)是一种能够动态预测转录因子活性并表现其影响关系的方法。本研究利用转录因子对靶基因的调控作用,及基因在AD不同病程中表达的先验知识和生物数据,通过预处理AD基因表达数据,选择出10 个转录因子和85 个靶基因进行网络成分分析,并利用162 条调控关系构建AD基因调控网络,形成和展示了转录因子对靶基因的动态调控关系和作用。通过动态预测转录因子活性及构建网络图,发现转录因子在AD疾病的不同程度的活性有明显变化趋势,其调控的靶基因变化符合AD的病理特征。如靶基因NONO在转录因子ANAPC5的调控下,表达值由3 126 上升至4 508,而靶基因YWHAZ表达值由6 000 下降到接近于0。该研究为AD致病机理探寻、早期诊断和相应的分子生物学实验,提供了新的思路和依据。     

高通量apoE基因分型技术的建立及应用

目的建立一种准确、快速、高通量的apoE基因分型技术。方法从外周血样品提取基因组DNA，PCR扩增覆盖第112和158密码子的apoE基因片段；构建apoE基因片段重组质粒，并进行定点诱变，以得到3种等位基因型的对照样品；PCR产物消化处理，以除去残余的引物和dNTPs；进行模板指导的荧光染料标记终止碱基的掺入反应，应用荧光偏振检测仪分析荧光偏振值的变化；检测79例阿尔茨海默病(Alzheimer’s disease，AD)患者和63名健康老年人的apoE基因型，分析基因型与AD易感性之间的关系。结果对分析结果进行测序验证，表明模板指导的荧光染料标记终止碱基掺入-荧光偏振检测技术分析结果与测序结果完全相符。AD组和健康对照组样品的基因分型结果提示apoEε4等位基因是迟发型AD的危险因素。结论应用此技术进行apoE基因多态性的基因分型分析，具有准确、简易和高通量等优势，可以作为AD风险分析的一种新技术．也适于apoE基因与其他疾病相关性研究时的大规模基因筛查分析。     

AD7C-NTP基因的染色体定位及其产物的跨膜区预测

目的 :对AD7C NTP基因进行染色体定位 ,预测其编码产物的跨膜区。方法 :用Blat服务器进行AD7C NTPmRNA序列与基因组DNA序列的比对。借助PHDhtm、TMHMM2 .0、HMM TOP2 .0、SMART和PSORT等服务器 ,预测AD7C NTP基因编码产物的跨膜特征及其亚细胞定位。结果 :AD7C NTP基因定位于 1p36 .11负链 ,无内含子序列。AD7C NTP基因编码产物具有 3个跨膜区 ,可能定位于过氧化物酶体。结论 :对AD7C NTP基因及其产物的生物信息学分析为后续的基因克隆及功能研究提供了有益的线索     

基于非负矩阵分解的大脑不同区域基因表达数据分析

基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中。针对阿尔茨海默症(AD)起病隐匿、诊断难、发病机理复杂以及基因信号传导通路和调控关系难以重建等特征,利用非平滑非负矩阵分解(nsNMF)方法提取AD致病基因,聚类过程中利用共表型相关性系数(CCC)选取聚类数k的值,得到最优的聚类数目。针对基因表达数据噪声高、信息变量隐藏难分析的困难,考虑AD的发生发展与许多大脑功能区域密切相关的特性,提出将nsNMF分别应用于AD患者的大脑海马区、内嗅区皮质、颞中回及视觉皮层区的基因表达数据中,共提取3 800个显著基因,其中包括确定与AD致病机理有关联的10个致病基因,并进行了生物学分析,得到了AD相关的细胞凋亡、代谢及炎症反应等生物过程,显示nsNMF方法及大脑多区域数据集的联合分析能更全面地探寻AD信号传导关系及基因调控方式。     

Alzheimer病、Down综合征与第21号染色体

对Alzheimer病(AD,老年性痴呆),研究的中心课题是β-淀粉样蛋白基因的分离。已发现淀粉样蛋白沉积于AD患者和Down综合征(DS,先天愚型)高龄患者的脑部。一个研究小组用DNA探针在家族性AD(FAD)中进行了连锁分析,发现对该病易感的基因不但标定在第21号染色体上,而且还标定于淀粉样蛋白的基因区,淀粉样蛋白基因也是在AD的染色体中被复制的。AD与DS均关系到第21号染色体上的基因缺陷,在AD中该基因出现缺陷或调节缺陷,     

基于矩阵分解技术的显著基因提取及基因表达数据分析

基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中。因此,可以根据基因表达数据对基因调控状态进行建模,以挖掘具有生物学意义的信息及隐含在其中的基因调控关系。本文分别利用独立成分分析(ICA)和非负矩阵分解(NMF)这两种无监督矩阵分解技术对阿尔茨海默病(AD)基因表达数据进行显著基因提取及基因调控网络的构建,通过生物学分析,探讨了两种不同矩阵分解技术在挖掘潜在致病基因上的作用,通过结合两种方法所提取的显著基因的生物学分析,体现了炎症反应在AD致病机制中的重要作用,为AD早期诊断、致病机制研究及基因生物标志物的探寻提供了有益的方法。     

影像组学在前列腺癌中的应用进展

影像组学是从影像标准图像中提取海量数据特征进行分析处理,进而转换为可挖掘的高维数据库,用于肿瘤的诊断分期、治疗预后及基因分析等.目前影像组学已在多种良恶性肿瘤诊治中展开了研究,包括全球男性发病率较高的前列腺癌.文章就影像组学作一简要概述,详细分析其在前列腺癌中应用,综述了肿瘤诊断与鉴别诊断、格里森分级与侵袭性预测、骨转...     

基于互信息研究的乳腺癌与阿尔茨海默症的免疫系统发病机理探寻

近年来,越来越多的流行病学研究显示多种癌症与阿尔茨海默症(AD)呈现负相关,但分子生物学机制尚不明确。从基因信号传导及调控网络构建方面研究这种负相关,将对两种疾病致病机理的探寻起重要作用。选取乳腺癌(BC)与AD进行对比研究。考虑到传统特征基因提取方法注重单个基因在不同样本中的表达差异而忽视基因之间的关联性,从基因之间的关联性出发,利用互信息(MI)首先提取两种疾病中共有的差异表达基因作为特征基因。在此基础上,鉴于网络成分分析(NCA)约束条件较强、运行时间过长等局限性,采用快速网络成分分析算法(FastNCA),推演出特征基因中转录因子的表达活性及其对靶基因的调控强度,并分别构建两种疾病的转录调控网络。实验结果表明,转录因子POLR2E、RFC5、THOC4、FBXO22、KPNA1、MYST3、PTBP1等在两种疾病中表达活性及调控作用相反,如转录因子RFC5的表达活性从健康到BC患病过程中由0.269降低至0.077,而从健康到AD患病过程中则由-0.430升高至0.307。通过分子生物学分析可知,它们所影响的调控关系及生物过程对BC及AD的致病起着关键作用,对两种疾病之间呈现负相关性机制的探寻具有重要意义。     

基于广义卷积神经网络的阿尔茨海默病多模态磁共振图像分类方法研究

阿尔茨海默病（AD）是一种进行性、不可逆的神经系统退行性疾病,基于磁共振成像（MRI）的神经影像学检查是进行AD筛查与诊断最直观、可靠的方法之一。临床上头颅MRI检测会产生多模态影像数据,为解决多模态MRI处理与信息融合的问题,本文提出基于广义卷积神经网络（gCNN）的结构MRI和功能MRI特征提取与融合方法。该方法针对结构MRI提出基于混合注意力机制的三维残差U型网络（3D HA-ResUNet）进行特征表示与分类;针对功能MRI提出U型图卷积神经网络（U-GCN）进行脑功能网络的节点特征表示与分类。在两类影像特征融合的基础上,基于离散二进制粒子群优化算法筛选最优特征子集,并使用机器学习分类器输出预测结果。来自AD神经影像学计划（ADNI）开源数据库的多模态数据集验证结果表明,本文所提出的模型在各自数据域内都有优秀的表现,而gCNN框架结合了两类模型的优势,进一步提高使用单一模态MRI的方法性能,将分类准确率和敏感性分别提升了5.56%和11.11%。综上,本文所提出的基于gCNN的多模态MRI分类方法可以为AD的辅助诊断提供技术基础。     

基于卷积神经网络和集成学习的阿尔茨海默症早期诊断

阿尔茨海默症(AD)是一种典型的神经退行性疾病,临床上表现为失忆、丧失语言能力、丧失生活自理能力等。迄今为止,AD病因尚不明确且病程不可逆,也没有治愈的方法,因此,AD的早期诊断对于研发新型药物和措施以减缓病情发展具有重要意义。轻度认知障碍(MCI)是一种介于AD和正常老化(HC)之间的状态。研究表明,MCI患者比没有患过MCI的人更有可能发展成AD,因此,对MCI患者的准确筛查成为了AD早期诊断的研究热点之一。随着神经影像技术和深度学习的飞速发展,越来越多的研究者使用深度学习方法对大脑神经影像如磁共振影像(MRI)进行分析,用于AD的早期诊断。于是,本文提出基于卷积神经网络(CNN)和集成学习的多切片集成分类模型用于AD早期诊断。与只用单切片训练获得的CNN分类模型相比,本文采用三个维度上的多个二维切片进行训练而获得的集成分类器模型,能更充分地利用MRI包含的有效信息,从而提高分类的准确率和稳定性。     

LightGBM算法在阿尔茨海默症结构磁共振成像分类中的应用

为更好地利用计算机技术分析阿尔茨海默症(AD)患者的大脑脑区变化,并对AD进行辅助诊断,本研究选择来自AD神经影像数据库的116名AD患者、116名轻度认知障碍患者和117名正常对照者的脑部结构磁共振成像,并利用spm软件对3组数据进行预处理和统计学相关性分析,得到差异性脑区。然后使用IBASPM软件提取病灶脑区体积作为特征样本。最后利用LightGBM算法对特征向量进行分类,并与支持向量机和XGBoost算法作对比实验。实验结果显示,利用LightGBM算法对病灶脑区的体积进行分类,准确率可达到83%。在这3种分类算法中,LightGBM更具有优势,分类结果更准确,可见,利用LightGBM算法可以有效地辅助医疗人员对AD进行早期诊断。     

阿尔茨海默病海马结构异常的影像组学研究

目的 探讨阿尔茨海默病 (AD) 患者的左右侧海马影像组学特征,建立和比较左右侧海马的影像组学分类模型,并分析其在AD患者诊断中的价值。方法 前瞻性对照研究。纳入2016年9月—2018年6月在浙江省人民医院记忆专科门诊就诊的59例AD患者为AD组,健康促进中心44名志愿者为正常对照组(NC组)。采用 GE 3.0 T MR成像系统对两组受试者行全脑扫描,分别获取三维磁化准备快速梯度回波成像序列 (MPRAGE)。使用一种基于学习的可变形模型对左右侧海马进行分割。对分割后的左右侧海马两组数据分别进行特征计算和特征选择,基于选择的特征建立logistic回归模型。结果 经过计算后两组数据分别得到385个特征。左右侧海马数据经过特征选择后分别剩下5个特征。右侧海马logistic回归模型评价指标的准确性、曲线下面积、特异度、灵敏度、阳性预测值、阴性预测值分别为0.69、0.74、50%、83%、68%、70%,左侧海马分别为0.75、0.83、79%、72%、81%、69%。结论 海马的影像组学特征具有作为诊断AD的生物标志物的潜力。左侧和右侧的海马影像组学模型有助于AD的诊断,其中左侧海马模型的诊断价值高于右侧。     

APOE和SORL1基因联合检测对阿尔兹海默病患者早期诊断的意义

目的探讨载脂蛋白E(APOE)和分拣蛋白相关受体L1基因(SORL1)基因联合检测对阿尔兹海默病(AD)患者早期诊断的临床意义。方法选择2017年10月-2018年10月我院神经内科收治的AD患者118例作为研究组,另选90例同期健康体检者作为对照组,采用qRT-PCR检测两组外周血白细胞中APOE和SORL1基因相对表达量,比较APOE、SORL1基因对AD联合诊断与单独诊断的效果。结果对照组APOE基因平均相对表达量明显低于研究组,差异有统计学意义(P<0.05);对照组APOE基因平均相对表达量明显低于研究组,差异有统计学意义(P<0.05);APOE、SORL1基因联合诊断效果明显优于单独诊断效果,差异有统计学意义(P<0.05)。结论 APOE和SORL1基因联合检测可互补二者单独应用时的不足,在阿尔兹海默病患者早期诊断中具有较好的应用价值,值得推广。     

APOE基因多态性与阿尔茨海默病关系研究的进展

载脂蛋白E(apolipoprotein E,APOE)基因在阿尔茨海默病(Alzheimer disease,AD)的研究中起着重要作用,已经明确APOE基因与老年性痴呆病关系密切。近年来,人们利用分子生物学技术对普通人群及患者APOE基因多态性与AD的关系进行了广泛的研究。笔者就此领域的研究进展做一综述,以期为AD相关研究提供基础信息。     

基于多模态典型相关特征表达的阿尔兹海默病诊断

对阿尔兹海默(AD)疾病进程的建模研究,有利于在其早期阶段--轻度认知障碍(MCI)进行更准确的诊断。不仅利用多模态影像数据,还分析模态间特征关系,用于增强与AD/MCI相关的特征表达能力。首先,基于典型相关分析融合不同模态间多个感兴趣区域并生成多模态关系特征表达;其次,基于稀疏最小二乘回归损失函数,以此获得稳定且有识别力的相关性表达特征;最后,使用交叉验证方法将随机选择的训练样本用于支持向量机分类模型,再对测试集受试者进行疾病阶段诊断。实验基于Alzheimer′s Disease Neuroimaging Initiative(ADNI)公共数据库的805位受试者,包括AD,MCI和正常受试者(NC)。此方法对于AD vs NC,MCI vs NC和p-MCI(进行性轻度认知障碍)vs s-MCI(稳定性轻度认知障碍)等3种不同类型数据,诊断结果分别为92.01%,74.83%和70.27%。与其他算法相比,分类准确率都有明显提高。表明所提出的方法能够有效应用于多模态数据对阿尔兹海默病的诊断分析研究。     

基于PiB PET图像感兴趣区域的阿尔茨海默症计算机辅助分析

阿尔兹海默症 (AD) 是一种不可逆的神经退行性疾病,PiB PET成像技术可用于AD的早期诊断。但是,目前临床基于PiB PET图像的AD诊断主要依靠医生视觉评估分析,其缺点为依赖医生经验且耗时,无法实现对患者病情的客观追踪,因此提出一种基于PiB PET图像的计算机辅助分析方法 (CAAD)实现AD诊断。使用基于阈值先验的3D格子玻尔兹曼技术分割ROIs,采用主成分分析 (PCA) 技术提取图像特征,最终采取基于支持向量机(SVM)多项式核模型对特征进行分类。通过对ADNI数据库和上海市华山医院PET中心的149个样本的PiB PET数据进行对比实验,该方法对于ROIs的分割后Dice系数平均准确率为91.53%±3.0%,最终对AD和正常老年组(HC)、轻度认知障碍组(MCI)和HC、AD/MCI和HC的分类准确率分别达到87.01%、93.04%和91.95%。与现有文献的AD计算机辅助诊断相比,所提出CAAD方法的准确率高出约10%。 实验结果表明,该方法能够很好地对AD、MCI和HC进行分类。     

阿尔茨海默症的影像遗传组学研究进展

随着中国人口老龄化程度的加剧,阿尔茨海默症(AD)患者数量迅速增加。AD是一种发病进程缓慢但不可逆的持续性神经功能障碍,目前无法根治。近年来大量研究者开始探索如何尽早发现AD,从而提前干预AD患者病程,为AD的有效治疗提供帮助。影像遗传组学是近年来发展起来的一种将医学影像数据和遗传组学数据相结合的研究诊断方法,它可以从高通量医学影像数据和遗传组学数据中挖掘出有效信息来研究AD患者的认知功能状态变化情况,对AD患者的早期发现和治疗提供有效的引导。本文概述了磁共振图像(MRI)与遗传变异的关联分析及其在AD上的研究进展,具体根据关联分析对象的复杂程度将其分类为候选脑表型、候选遗传变异、全基因组遗传变异和全脑体素,并分别简述分类后的脑表型和遗传变异关联分析所对应的具体方法。最后提出了一些目前仍未解决的问题,如表型的选取以及候选基因多态性有限等。     

基于特征选择的阿尔茨海默症辅助诊断

阿尔茨海默症（AD）是一种在老年人中多发的脑部神经疾病,致病原因迄今未明,在疾病发展早期难以诊断。随着 计算机和人工智能技术的大力发展,利用磁共振成像（MRI）技术和机器学习方法辅助医生对AD进行辅助诊断不断取得 新的成果。本研究提出一种基于支持向量机递归特征消除（SVM-RFE）和线性判别分析（LDA）的AD辅助诊断方法。首 先对MRI图像进行预处理,获得90个大脑脑区的灰质体积;然后使用SVM-RFE和LDA相结合的方法,对90个大脑脑区 灰质体积进行特征选择;最后通过SVM进行分类。通过对来自于ADNI数据库中的34名AD、26名主观记忆衰退（SMC） 患者和50名正常被试（NC）的MRI图像分析,得到AD/NC、AD/SMC和NC/SMC的平均分类准确率分别为94.0%、100.0% 和93.6%。实验结果证明,本研究提出的方法可有效提取样本特征,辅助医生诊断AD。