一项新的研究显示，俄亥俄州立大学的科学家们正在开发一种机器学习工具，该工具能够区分结直肠癌患者的分子特征与健康个体的不同。这项研究成果最近发表在《iMetaOmics》杂志上，并通过俄亥俄州立大学新闻进行了报道。共同资深作者、人类科学副教授朱江江表示，该工具可用于非侵入性诊断和疾病监测，这在患者护理方面是一个重大飞跃。
通过对来自结直肠癌患者和健康对照组的一千多个生物样本进行分析，研究团队发现了与疾病严重程度相关的代谢变化以及关键的基因突变。他们的“生物标志物发现管道”结合了偏最小二乘判别分析和人工神经网络的优势，最终形成了所谓的PANDA平台。朱江江在接受俄亥俄州立大学新闻采访时说：“我们认为这是一个很好的工具，用于疾病的诊断和监测，特别是基于代谢的生物标志物分析也可以用来监测治疗效果。”
然而，朱江江澄清说，这种算法的进步并不会取代结肠镜检查，而是可以增强现有的标准，提供更快、可能挽救生命的洞察力，了解患者对治疗方案的反应。该分析方法的基础是大量的代谢和转录数据，这些数据来源于广泛的研究项目，如俄亥俄州结直肠癌预防倡议和俄亥俄州韦克斯纳医学中心的临床实验室生物库，确保了其工作的数据集多样且有意义。
研究中提到的潜在生物标志物与嘌呤有关，嘌呤是DNA过程中的重要化合物，在癌症患者的血液中比非癌症患者更活跃，但随着癌症的发展，这种活性会下降。尽管这些并不是确定性的指标，但它们揭示了代谢与癌症机制之间的复杂关系。这项研究得到了美国国家普通医学科学研究所和其他机构的资助，朱江江的团队将继续改进PANDA平台，并研究与多种生物信号相关的代谢变化，旨在提高早期检测和个性化医疗策略的能力。
(全文结束)
