AI dan Masalah-Masalah Sulit Dunia · Kedokteran & penemuan obat · Nature (computational biology) · 2026-10-20
Integrasi pola disulfidptosis dan pembelajaran mesin mengidentifikasi signature diagnostik baru untuk endometriosis
Judul asli: Integrating disulfidptosis patterns and machine learning identifies a novel diagnostic signature for endometriosis
Endometriosis adalah gangguan ginekologis yang heterogen dengan mekanisme molekuler yang belum sepenuhnya dipahami, dan disulfidptosis, suatu bentuk kematian sel terprogram yang baru-baru ini diidentifikasi, belum pernah dieksplorasi secara sistematis pada penyakit ini. Dengan menganalisis profil ekspresi gen, para peneliti mengidentifikasi dua subtipe molekuler yang berasosiasi dengan disulfidptosis dengan fitur imun yang berbeda dan membandingkan empat algoritma pembelajaran mesin, dengan Extreme Gradient Boosting (XGB) menunjukkan kinerja terbaik. Hal ini menghasilkan signature lima gen yang terdiri dari BTBD2, SLC4A2, SSC5D, LPPR2, dan SRGAP2C, yang didukung oleh validasi pada dua dataset eksternal independen dan validasi parsial RT-qPCR, sehingga menawarkan alat diagnostik potensial dan wawasan baru mengenai mekanisme endometriosis.