AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-20
整合二硫化物死亡模式与机器学习识别子宫内膜异位症的新型诊断特征签名
原标题: Integrating disulfidptosis patterns and machine learning identifies a novel diagnostic signature for endometriosis
子宫内膜异位症是一种分子机制尚未完全阐明的异质性妇科疾病，而二硫化物死亡（disulfidptosis）作为一种新近被识别的程序性细胞死亡形式，此前尚未在该疾病中得到系统性探索。研究人员通过分析基因表达谱，识别出两种具有不同免疫特征的二硫化物死亡相关分子亚型，并比较了四种机器学习算法，其中极端梯度提升（XGB）表现最佳。由此得到了一个由 BTBD2、SLC4A2、SSC5D、LPPR2 和 SRGAP2C 组成的五基因特征签名，该签名获得了两个独立外部数据集验证和部分 RT-qPCR 验证的支持，提供了一种潜在的诊断工具，并为子宫内膜异位症的机制研究带来了新见解。