IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-20
A integração de padrões de dissulfidptose e aprendizado de máquina identifica uma nova assinatura diagnóstica para a endometriose
Título original: Integrating disulfidptosis patterns and machine learning identifies a novel diagnostic signature for endometriosis
A endometriose é um distúrbio ginecológico heterogêneo com mecanismos moleculares incompletamente compreendidos, e a dissulfidptose, uma forma de morte celular programada identificada recentemente, não havia sido sistematicamente explorada nessa doença. Analisando perfis de expressão gênica, os pesquisadores identificaram dois subtipos moleculares associados à dissulfidptose com características imunológicas distintas e compararam quatro algoritmos de aprendizado de máquina, com o Extreme Gradient Boosting (XGB) apresentando o melhor desempenho. Isso resultou em uma assinatura de cinco genes composta por BTBD2, SLC4A2, SSC5D, LPPR2 e SRGAP2C, que foi respaldada pela validação em dois conjuntos de dados externos independentes e por validação parcial via RT-qPCR, oferecendo uma potencial ferramenta diagnóstica e novas percepções sobre os mecanismos da endometriose.