ส่วนหนึ่งของสมองที่ได้รับผลกระทบ


โรคที่ซับซ้อนหลากหลายตั้งแต่อัลไซเมอร์ไปจนถึงมะเร็ง กลยุทธ์นี้คำนึงถึงข้อมูลทางพันธุกรรมพยาธิวิทยาและข้อมูลทางคลินิกจากกลุ่มตัวอย่างเนื้อเยื่อขนาดใหญ่และระบุการเชื่อมโยงระหว่างพวกเขาวิธีวิเคราะห์เครือข่ายแบบหลายส่วนนี้เป็นวิธีที่มีประสิทธิภาพในการแยกกลไกระดับโมเลกุลของโรคที่ซับซ้อนเช่นอัลไซเมอร์ สามารถให้ข้อมูลเชิงลึกเกี่ยวกับกลไกใหม่ ๆ

เกี่ยวกับโรคพาร์กินสันที่อาจนำไปสู่โอกาสการรักษาใหม่การแสดงออกของยีนจากตัวอย่างสมองที่ให้ข้อมูลจำนวนมากเพียงพอจากผู้ป่วยพาร์กินสันเพื่อให้ MGNA ที่มีประสิทธิภาพมีประสิทธิภาพ นักวิจัยได้รวมข้อมูลจากการศึกษาแปดแบบซึ่งรวมถึงการวิเคราะห์หลังคลอด ซึ่งเป็นส่วนหนึ่งของสมองที่ได้รับผลกระทบมากที่สุดจากโรคพาร์กินสัน สิ่งนี้ทำให้ทีมมีชุดข้อมูลที่ใหญ่กว่าจากทั้งหมด 83 คนซึ่งพวกเขาเปรียบเทียบกับ 70 ตัวควบคุมที่ไม่มีพาร์กินสัน การนำ MGNA ไปใช้กับชุดข้อมูลแบบรวมนักวิทยาศาสตร์ได้จำแนกหน่วยงานควบคุมที่สำคัญของเครือข่ายยีนที่ไม่เคยเกี่ยวข้องกับโรคมาก่อน