Bilimsel Araştırma
22 Nisan 2026
Parkinson Hastalığının Tanımlanması İçin Plazma Proteomiklerine Dayalı Makine Öğrenmesi Modeli
Önemli Tıbbi Uyarı:
Bu içerik sadece bilimsel bilgilendirme amaçlıdır; kesinlikle doktor tavsiyesi yerine geçmez.
Lütfen uzman bir hekime danışmadan herhangi bir ilaç veya tedavi yöntemi uygulamayınız.
Hasta ve Yakınları İçin Anlatım
Bilim insanları, Parkinson hastalığını sadece bir kan testiyle teşhis edebilmek için yapay zeka destekli yeni bir yöntem geliştirdiler. Araştırmada, kanda bulunan binlerce protein incelendi ve Parkinson hastalarında seviyeleri değişen 11 özel protein belirlendi. Geliştirilen yapay zeka modeli, bu proteinleri analiz ederek Parkinson hastalarını sağlıklı bireylerden ve benzer belirtiler gösteren diğer sinir sistemi hastalıklarından yüksek doğrulukla ayırt edebildi. Bu yöntem, gelecekte Parkinson hastalığının daha hızlı ve kesin teşhis edilmesini sağlayabilir, ayrıca hastalığın vücuttaki iltihaplanma süreçleriyle nasıl bir ilişkisi olduğunu daha iyi anlamamıza yardımcı olabilir.
Doktor Özeti:
Bu çalışma, Parkinson hastalığını (PH) sağlıklı kontrollerden ve diğer nörolojik bozukluklardan ayırt edebilecek güvenilir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir.ler geliştirmek amacıyla yüksek verimli proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. analiz ve makine öğrenmesi (ML) tekniklerini kullanmıştır. Olink Explore 3072 platformu kullanılarak 698 katılımcıdan elde edilen plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. profilleri analiz edilmiştir. Boruta algoritması ile seçilen 11 protein (APOH, ARG1, CCN1, CXCL1, CXCL8, DDC, GRAP2, IL1RAP, OSM, PRL ve SPRY2) kullanılarak bir 'stacking ensembleStacking EnsembleBirden fazla makine öğrenmesi modelinin tahminlerini birleştirerek daha yüksek performans elde etmeyi amaçlayan öğrenme yöntemi.' ML modeli oluşturulmuştur. Model, iç test setinde 0.939 AUC değeri elde ederken; UK Biobank, PDBP ve PPMI gibi bağımsız dış kohortlarda da yüksek doğruluk (0.789 - 0.909 AUC) sergilemiştir. SHAP analizi ve ağ analizleri, modelin öngörücü gücünü inflamatuar mediyatörler, ErbB sinyali ve lipid metabolizması gibi biyolojik yolaklarla ilişkilendirmiştir.
Önemli Bulgular:
11 proteinli plazma paneli, Parkinson hastalığı için yüksek doğruluklu bir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir. setidir.
Makine öğrenmesi modeli, farklı ülkelerden ve veri tabanlarından (UK Biobank, PPMI vb.) gelen verilerle test edilmiş ve tutarlı sonuçlar vermiştir.
Çalışma, Parkinson patofizyolojisinde inflamasyon (iltihaplanma) ve yağ metabolizmasının kritik rol oynadığını biyokimyasal düzeyde desteklemektedir.
Plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı.leri, invaziv olmayan (cerrahi müdahale gerektirmeyen) ve klinik olarak uygulanabilir bir tanıTanıBir hastalığın veya durumun belirlenmesi süreci. aracı olma potansiyeline sahiptir.
Bu çalışma, Parkinson hastalığını (PH) sağlıklı kontrollerden ve diğer nörolojik bozukluklardan ayırt edebilecek güvenilir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir.ler geliştirmek amacıyla yüksek verimli proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. analiz ve makine öğrenmesi (ML) tekniklerini kullanmıştır. Olink Explore 3072 platformu kullanılarak 698 katılımcıdan elde edilen plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. profilleri analiz edilmiştir. Boruta algoritması ile seçilen 11 protein (APOH, ARG1, CCN1, CXCL1, CXCL8, DDC, GRAP2, IL1RAP, OSM, PRL ve SPRY2) kullanılarak bir 'stacking ensembleStacking EnsembleBirden fazla makine öğrenmesi modelinin tahminlerini birleştirerek daha yüksek performans elde etmeyi amaçlayan öğrenme yöntemi.' ML modeli oluşturulmuştur. Model, iç test setinde 0.939 AUC değeri elde ederken; UK Biobank, PDBP ve PPMI gibi bağımsız dış kohortlarda da yüksek doğruluk (0.789 - 0.909 AUC) sergilemiştir. SHAP analizi ve ağ analizleri, modelin öngörücü gücünü inflamatuar mediyatörler, ErbB sinyali ve lipid metabolizması gibi biyolojik yolaklarla ilişkilendirmiştir.
Önemli Bulgular:
11 proteinli plazma paneli, Parkinson hastalığı için yüksek doğruluklu bir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir. setidir.
Makine öğrenmesi modeli, farklı ülkelerden ve veri tabanlarından (UK Biobank, PPMI vb.) gelen verilerle test edilmiş ve tutarlı sonuçlar vermiştir.
Çalışma, Parkinson patofizyolojisinde inflamasyon (iltihaplanma) ve yağ metabolizmasının kritik rol oynadığını biyokimyasal düzeyde desteklemektedir.
Plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı.leri, invaziv olmayan (cerrahi müdahale gerektirmeyen) ve klinik olarak uygulanabilir bir tanıTanıBir hastalığın veya durumun belirlenmesi süreci. aracı olma potansiyeline sahiptir.
Kayıt Bilgileri
PMID / DOI
42015416 | 10.1093/brain/awag140
Dergi
Brain : a journal of neurology
* Yasal Uyarı: Bu sayfadaki bilgiler bilimsel veri tabanlarından otomatik olarak çekilmekte ve AI tarafından özetlenmektedir. Bu bilgiler kesinlikle tıbbi tavsiye niteliği taşımaz. Tedavi planlamanız için mutlaka bir uzman tıp doktoruna başvurunuz.
Benzer Gelişmeler
Tümünü Gör
14 Nisan 2026
Hücre Döngüsüne Yeniden Girişten Kontrol Noktası Arızasına: Amyotrofik Lateral Sklerozda DNA Hasar Yanıtını Yeniden Düşünmek
Devamını Oku
08 Nisan 2026
Nörodejeneratif Hastalıklarda Alternatif Splicing'in Mekanistik Araştırması ve Terapötik Olasılıkları
Devamını Oku
13 Nisan 2026
SOD1*G93A fare modelinde Ca2.2 kalsiyum kanalının ALS hastalığının ilerlemesi üzerindeki etkisinin aydınlatılması.
Devamını Oku