AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-20
整合雙硫死亡模式與機器學習,鑑別出子宮內膜異位症的新型診斷標記
原標題: Integrating disulfidptosis patterns and machine learning identifies a novel diagnostic signature for endometriosis
子宮內膜異位症是一種異質性婦科疾病,其分子機制尚未完全釐清,而雙硫死亡這種近期才被發現的程式性細胞死亡形式,過去尚未在此疾病中被系統性探討。研究人員藉由分析基因表現圖譜,鑑別出兩種具有不同免疫特徵的雙硫死亡相關分子亞型,並比較四種機器學習演算法,其中以極限梯度提升(XGB)的表現最佳,據此得出由 BTBD2、SLC4A2、SSC5D、LPPR2 與 SRGAP2C 組成的五基因標記;此標記獲得兩個獨立外部資料集的驗證以及部分 RT-qPCR 驗證的支持,可望成為潛在的診斷工具,並為子宮內膜異位症的機制提供新見解。