ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-20
Интеграция паттернов дисульфидптоза и машинного обучения выявляет новую диагностическую сигнатуру для эндометриоза
Оригинальное название: Integrating disulfidptosis patterns and machine learning identifies a novel diagnostic signature for endometriosis
Эндометриоз — гетерогенное гинекологическое заболевание с до конца не выясненными молекулярными механизмами, а дисульфидптоз — недавно идентифицированная форма запрограммированной гибели клеток — прежде систематически не исследовался при этом заболевании. Анализируя профили экспрессии генов, исследователи выделили два ассоциированных с дисульфидптозом молекулярных подтипа с различными иммунными характеристиками и сравнили четыре алгоритма машинного обучения; лучший результат показал Extreme Gradient Boosting (XGB). В результате была получена пятигенная сигнатура, включающая BTBD2, SLC4A2, SSC5D, LPPR2 и SRGAP2C, подтвержденная валидацией на двух независимых внешних наборах данных и частичной валидацией RT-qPCR, что дает потенциальный инструмент диагностики и новые представления о механизмах эндометриоза.