Faltendes neuronales Netzwerk in der Proteomik und Metabolomik zur Bestimmung der Komorbidität zwischen Krebs und Schizophrenie

Die Assoziation zwischen Krebsrisiko und Schizophrenie wird weit diskutiert. Trotz vieler epidemiologischer Studien gibt es noch keine schlüssigen Beweise für die molekularen Grundlagen der Komorbidität zwischen diesen beiden pathologischen Zuständen. Die überwiegende Mehrheit der Tests wurde mit klinischen Aufzeichnungen von schizophrenen Patienten oder Patienten, die sich in Krebsbehandlung befanden und ausreichend lange überwacht wurden, um gemeinsame Merkmale zwischen den betrachteten Bedingungen zu finden, durchgeführt. Wir führten massenspektrometriebasierte proteomische und metabolomische Untersuchungen von Patienten mit unterschiedlichen Krebsphänotypen (Brust-, Eierstock-, Nieren- und Prostatakrebs) und Patienten mit Schizophrenie durch. Die resultierende große Menge an proteomischen und metabolomischen Daten wurde dann mit Hilfe systembiologischer Ansätze und ein-dimensionaler (1D) falten-basierter neuronaler Netzwerk-Maschinenlernansätze (1DCNN) verarbeitet. Traditionelle systematische Ansätze erlauben die Segregation von Schizophrenie- und Krebsphänotypen auf der Ebene biologischer Prozesse, während 1DCNN „Signaturen“ erkannte, die unterschiedliche Krebsphänotypen und Schizophrenie auf der Ebene der Komorbidität trennen konnten. Das entworfene Netzwerk discriminierte effizient nicht verwandte Pathologien mit einer Modellgenauigkeit von 0,90 und verschiedenen Subtypen von Onkophenotypen mit einer Genauigkeit von 0,94. Die vorgeschlagene Strategie integriert die systematische Analyse identifizierter Verbindungen und die Anwendung des 1DCNN-Modells für nicht identifizierte Verbindungen, um die Ähnlichkeit zwischen unterschiedlichen Phänotypen offenzulegen.