机器学习衍生血液转录组生物标志物在帕金森病中的跨队列普遍性评估

《Biochemical and Biophysical Research Communications》：Evaluation of Cross-Cohort Generalizability of Machine Learning-Derived Blood Transcriptomic Biomarkers for Parkinson’s Disease

　　

• •
  使用11个分类器进行无泄漏嵌套机器学习流程，并在GSE99039数据集（n = 438）上重复5折交叉验证
• •
  发现AUC = 0.682 ± 0.049；独立验证AUC = 0.618（95%置信区间0.470 – 0.767，包括偶然性)
• •
  与黑质（GSE7621）的跨组织比较：AUC = 0.549，方向一致性为51%（包括偶然性）
• •
  富集免疫途径的面板（NK细胞、白细胞激活、抗原呈递）；无神经元特异性信号

章节摘录

引言

帕金森病（PD）是仅次于阿尔茨海默病的第二大神经退行性疾病，影响着全球数百万人（Khan等人2019a；2019b；Prajjwal等人2023）。该疾病的特点是运动症状，包括静止性震颤、僵硬、运动迟缓和姿势不稳，以及非运动表现，如认知下降、睡眠障碍、抑郁和自主神经系统功能障碍（Angelopoulou等人2024；Pe?a-Zelayeta等人2025；

数据集收集和研究设计

从美国国家生物技术信息中心（NCBI）的基因表达组学数据库（GEO）中检索了与帕金森病（PD）相关的公开可用的转录组数据集。数据集的选择根据预定义的纳入标准进行，以确保生物学相关性和方法论的可比性。符合条件的研究需要满足以下标准：（i）人类PD病例-对照研究；（ii）使用微阵列进行的全基因组基因表达分析

数据集特征

分析了四个公开可用的转录组数据集，以研究帕金森病（PD）相关的分子特征，并评估其在独立血液和脑样本中的可重复性（表1）。GSE99039被指定为主要的发现队列，包含438份外周血样本，其中包括205名PD患者和233名健康对照者。GSE6613用作独立的血液验证队列，包含72份样本，其中包括50名PD患者和22名对照者

结论

在这项研究中，我们对公开可用的血液转录组数据集进行了无泄漏分析，以系统评估用于帕金森病（PD）的机器学习生物标志物的可重复性。使用GSE99039（n = 438）作为发现队列，GSE6613（n = 72）作为独立的血液验证队列，我们评估了11个机器学习分类器，并使用了预定义的100基因面板和重复嵌套交叉验证。尽管集成模型达到了平均水平

未引用的参考文献

Tansey和Romero-Ramos，2019；Wang等人，2021；

未列出的参考文献

Tansey等人2022；Youssef等人2025；Wang等人2020；

伦理批准和参与同意

不适用。本研究不涉及人类参与者、人体生物材料或动物；因此，不需要伦理批准和知情同意。

利益冲突

作者声明他们没有利益冲突。

数据可用性

本研究中分析的所有数据集均可在NCBI基因表达组学数据库（GSE99039、GSE6613、GSE7621、GSE54536）中公开获取。所有分析代码均可在以下链接公开获取： https://github.com/solankimedchem/PD_biomarker_ML_WGCNA

资助

作者未为这项工作获得任何特定的资助。

利益冲突声明

作者声明他们没有已知的可能会影响本文报道工作的财务利益或个人关系。