AIと神経難病・神経免疫疾患 ── パーキンソン病 ── 2026-10-14

アルツハイマー病・パーキンソン病・前頭側頭型認知症は、データが複雑でばらつきも大きく診断が難しい。研究はNCBIのGEOから精選したマイクロアレイデータを集め、GEO2RとLimmaで発現遺伝子を抽出し、その遺伝子でSVMを学習・検証した。SVMは適合率と再現率がともに非常に高く、疾患ごとの発現プロファイルを区別でき、遺伝子に基づく診断法につながる。証拠は前臨床の計算解析。 — イメージアブストラクト ── 記事の全体像を 1 枚に（画像を押すと拡大）

パーキンソン病 1 本。筆頭: 機械学習アルゴリズムによるアルツハイマー病・パーキンソン病・前頭側頭型認知症の発現変動遺伝子の解析

対象誌と選び方は索引の頁に

パーキンソン病・パーキンソン症候群の治療・治験とAI

機械学習アルゴリズムによるアルツハイマー病・パーキンソン病・前頭側頭型認知症の発現変動遺伝子の解析
Analysis of Differentially Expressed Genes in Alzheimer's, Parkinson's, and Frontotemporal Dementia Using Machine Learning Algorithm
CRC Press eBooks · 2026-10-12 · 証拠の段階: 前臨床（公開遺伝子発現データを使った計算解析）
抄録（全訳）
前頭側頭型認知症（FTD）、パーキンソン病（PD）、アルツハイマー病（AD）は脳の神経変性疾患であり、神経炎症とタンパク質のミスフォールディングを生じる。しかし、データが複雑でばらつきも大きいため、これらの疾患の診断はまだ難しい。本研究では、精選したマイクロアレイデータセットに機械学習（ML）の手法を当てはめ、分子シグネチャーを特定した。データセットは、米国国立生物工学情報センター（NCBI）の Gene Expression Omnibus（GEO）から集めた。GEO 上の R による解析ツール（GEO2R）と Limma パッケージで解析し、発現遺伝子（|logFC| ≥ 0.5、adj.P.Val ≤ 0.05）を得た。これらの遺伝子で学習と検証を行い、サポートベクターマシン（SVM）による ML モデルを作った。SVM は適合率（precision）と再現率（recall）がともに非常に高かった。データの品質はヒートマップで確かめた。著者らは、統計的なバイオマーカーと集合学習で、疾患ごとの遺伝子発現プロファイルを区別できる点を強調している。これにより、遺伝子に基づく診断法を開発できるようになる。今後はゲノムの構造データを加えることで、モデルの解釈性を高め、性能を改良できる。これにより、異常な遺伝子を特定しやすくなり、さらに結論を導く助けとなる。
掲載誌の IF：不明（照合できず）
書誌：Manohar Mathkunti N, Rangaswamy S, Varsha VP, Bhat S. Analysis of Differentially Expressed Genes in Alzheimer's, Parkinson's, and Frontotemporal Dementia Using Machine Learning Algorithm. Interdisciplinary Approaches to Sustainable Research and Development in Science, Technology, and Socio-Economic Studies. 2026 Oct 12 [Epub ahead of print]. doi:10.1201/9781042035762-123.
確認の範囲：抄録のみ確認

← この号の目次へ