今天跟大家分享的是九月份发表在Brain Research 杂志上的一篇文章，Artificial intelligence analysis of newborn leucocyte epigenomic markers forthe prediction of autism 新生儿白细胞表观基因组标记预测自闭症的人工智能分析为了研究自闭症的表观遗传基础，并确定用于疾病预测的早期生物标记，对自闭症中新生儿白细胞（血斑）DNA进行了表观基因组范围的分析。进行Infinium HumanMethylation450 BeadChip检测用于测量14例自闭症患者和10例对照的DNA甲基化水平，使用包括深度学习（DL）在内的六种不同机器学习方法检测胞嘧啶甲基化的准确性，通路分析软件IPA进一步用于探索自闭症发病机理。研究发现在230个基因座（249个基因）中CpG甲基化高度异常，一些先前与自闭症发展有关的基因发现了表观遗传失调，例如：EIF4E，FYN，SHANK1，VIM，LMX1B，GABRB1，SDHAP3和PACS2。研究结果表明自闭症发展中显著的表观遗传学作用。 结果确定了共230个CpG位点与249个不同的基因相关，在ASD病例和对照组之间甲基化程度明显不同。表1列出了前25个重要的CpG位点及其相关基因和染色体位置。这些CpG位点包括160个差异显著的低甲基化位点和70个高度甲基化的位点，有87个CpG满足严格的基因组范围阈值。热图的基因簇可以很好地将自闭症病例与对照组进行区分（），中显示了AUC-ROC曲线。使用已发表的转录组数据，可以鉴定出15个在白细胞DNA中差异甲基化的基因（表2）。随后将这些基因的CpG基因座的甲基化水平用于自闭症检测。将差异甲基化基因与小脑组织的基因型组织表达（GTEx）数据匹配时，发现APLP2和ATP5B基因在小脑区域也有差异表达。

 表1. 前25个差异甲基化基因

 . 自闭症病例与对照之间的28个高度差异化甲基化基因座的热图

 . 四个与自闭症相关特定标记的甲基化谱的ROC曲线

 表2. 差异甲基化的白细胞基因在Voineagu等人的ASD病例的脑样本研究中也差异表达 一、人工智能分析结果为了识别自闭症的最佳预测标记和算法，评估了几种机器学习工具模型。通过使用5个CpG基因座的组合，DL可以检测到自闭症的AUC值为0.958-1.00。对于其他5种ML方法中的四种，用于自闭症检测的AUC≥0.95。不同CpG（基因）组中不同AI平台的值如下：分析评估前230个CpG标记（表3），基于满足严格p值阈值和自闭症病例中大脑以及新生儿白细胞中15个差异表达基因的CpG基因座。当仅考虑高严格性标志物时，DL的ASD检测的AUC（95％CI）= 1.0，灵敏度为97.5％，特异性为100％。

 表3. 基于230个标记的自闭症预测结果 二、标准多元逻辑回归分析3种CpG /基因标记的组合：cg20129082（LOC100126784; NAV2），cg08590939（OXCT1）和cg20187719（LOC285375）的AUC 95％CI = 1.0（1.0，1.0），这证实了CpG标记对自闭症预测的鲁棒性。三、基因功能和通路富集使用差异甲基化基因进行了分子通路和疾病富集分析，以进一步了解自闭症的机制。观察到与神经炎症信号传导，突触长期增强，血清素降解，mTOR信号传导和Rho家族GTPases信号传导有关的基因大量富集。研究发现，先前已被确定与脑功能有关基因例如EIF4E，FYN，SHANK1，VIM，LMX1B，GABRB1，SDHAP3和PACS2差异甲基化。

欢迎关注

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史