天天看點

組學、大資料和人工智能時代SLE的異質性

關注RAI | 共創未來

Rheumatol

Autoimmun

組學、大資料和人工智能時代SLE的異質性

導讀

Rheumatology & Autoimmunity

該篇特約綜述來自Rheumatology & Autoimmunity2021年創刊号,作者為RAI副主編,澳洲昆士蘭大學餘迪教授團隊,敬請閱讀和引用。

組學、大資料和人工智能時代SLE的異質性

Classification of SLE patients by omics data and artificial intelligence

内 容 簡 介

系統性紅斑狼瘡(SLE)是一種系統性自身免疫性疾病,由于其發病機制複雜、表現多樣,具有高度異質性。對患者進行治療和預後分層是管理SLE的一大挑戰。疾病診斷和活動度評估的正常生物标志物對免疫發病機制和治療反應效果有限。

“組學”技術的進步,包括基因組學、轉錄組學、蛋白質組學和代謝組學,為評估SLE患者個體免疫病理學提供了前所未有的機會。事實上,基因組研究揭示一些潛在免疫失調的SLE患者攜帶一個或多個功能性單核苷酸多态性(SNPs),而轉錄組學研究揭示了SLE患者亞群表現出I型幹擾素途徑激活或B細胞異常分化為漿細胞的不同特征。

這篇綜述總結了使用組學技術來了解SLE異質性的最新研究結果。此外,作者提出人工智能的應用可以進一步加強對組學大資料的分析。新技術和創新分析方法結合可以在SLE分層方面取得突破,以便更好地監測疾病活動,更精确地設計治療方案,不僅可用于正常免疫抑制,還可用于靶向B細胞活化因子(BAFF)、I型幹擾素和白細胞介素2(IL‐2)的新免疫療法。

組學、大資料和人工智能時代SLE的異質性

FIGURE 1 Simplified depiction of Immunopathogenesis of SLE.

組學、大資料和人工智能時代SLE的異質性

FIGURE 2 Conventional clinical features and immunological biomarkers to classify SLE patients.

組學、大資料和人工智能時代SLE的異質性

FIGURE 3 A proposed new classification of SLE patients by omics data and artificial intelligence.

組學、大資料和人工智能時代SLE的異質性

FIGURE 4 Basics for dimensionality reduction.

歡 迎 引 用

How to cite this article: Puri P, Jiang SH, Yang Y, Mackay F, Yu D. Understand SLE heterogeneity in the era of omics, big data, and artificial intelligence. Rheumatol & Autoimmun. 2021;1:40‐51. doi: 10.1002/rai2.12010

繼續閱讀