A carregar...
Publicação
Exploring the discriminatory potential of intestinal microbiome for Alzheimer's disease detection
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.19 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Alzheimer’s Disease (AD) is a progressive neurodegenerative disorder marked by cognitive decline, commonly linked to the accumulation of amyloid plaques and tau tangles in the brain. Recent studies suggest that gut microbiota plays a role in AD pathogenesis, with gut dysbiosis potentially contributing to neuroinflammation through the gut-brain axis. This thesis explores the discriminatory potential of gut microbiota composition between AD patients and healthy controls (HC), aiming to identify microbiome-based biomarkers for early AD diagnosis. The clinical and demographic analysis included age, sex, apolipoprotein-E (ApoE4) allele presence, and body mass index (BMI), with significant age differences and ApoE4 allele frequency observed between AD and HC groups. Microbiome analysis examined alpha diversity indices (Shannon and Simpson) and taxonomic composition, uncovering specific microbial shifts, particularly within Escherichia-Shigella and Adlercreutzia, that may be associated with AD pathology. Machine learning models were used to assess the predictive power of microbiome features for AD, incorporating clinical variables. The models were optimized for accuracy and robustness through feature selection and dimensionality reduction (data fusion). The best performing model, evaluated through Leave-One-Out Cross-Validation (LOOCV), achieved an AUC of 0.88 and an accuracy of 0.89, reflecting an improvement over the model in the referenced study, which attained a maximum AUC of 0.83. These scores underscore the model's enhanced discriminatory capacity. These findings underscore the gut microbiota’s potential in AD biomarker discovery, with identified microbial alterations offering insights for future diagnostic and therapeutic research. Further studies are recommended to refine these predictive models and explore the microbiome’s influence on AD progression, advancing towards a reliable and accessible microbiome-based diagnostic tool.
A Doença de Alzheimer (DA) é uma doença neurodegenerativa progressiva caracterizada pelo declínio cognitivo, frequentemente associada ao acúmulo de placas amiloides e emaranhados de tau no cérebro. Estudos recentes sugerem que o microbioma intestinal pode desempenhar um papel na patogénese da DA, com a disbiose intestinal a contribuir potencialmente para a neuroinflamação através do eixo intestino-cérebro. Esta tese explora o potencial discriminatório da composição do microbioma intestinal entre pacientes com DA e controlos saudáveis (CS), com o objetivo de identificar biomarcadores baseados no microbioma para o diagnóstico precoce da DA. A análise clínica e demográfica incluiu idade, sexo, presença do alelo apolipoproteína E (ApoE4) e índice de massa corporal, com diferenças significativas de idade e frequência do alelo ApoE4 observadas entre os grupos DA e CS. A análise do microbioma examinou índices de diversidade alfa (Shannon e Simpson) e composição taxonómica, revelando alterações microbianas específicas, particularmente nos géneros Escherichia-Shigella e Adlercreutzia, que podem estar associadas à patologia da DA. Modelos de aprendizagem computacional foram usados para avaliar o poder preditivo das características do microbioma para a DA, incorporando variáveis clínicas. Os modelos foram otimizados para precisão e robustez através da seleção de características e redução de dimensionalidade (fusão de dados). O modelo com melhor desempenho, avaliado através de Leave-One-Out Cross-Validation (LOOCV), alcançou uma AUC de 0.88 e uma precisão de 0.89, refletindo uma melhoria em relação ao modelo do estudo de referência, que obteve uma AUC máxima de 0.83. Estes resultados destacam a capacidade discriminatória aprimorada do modelo. Estes resultados sublinham o potencial do microbioma intestinal na descoberta de biomarcadores para a DA, com as alterações microbianas identificadas a oferecerem insights para futuras investigações diagnósticas e terapêuticas. Recomenda-se a realização de estudos adicionais para refinar estes modelos preditivos e explorar a influência do microbioma na progressão da DA, avançando em direção a uma ferramenta de diagnóstico baseada no microbioma que seja fiável e acessível.
A Doença de Alzheimer (DA) é uma doença neurodegenerativa progressiva caracterizada pelo declínio cognitivo, frequentemente associada ao acúmulo de placas amiloides e emaranhados de tau no cérebro. Estudos recentes sugerem que o microbioma intestinal pode desempenhar um papel na patogénese da DA, com a disbiose intestinal a contribuir potencialmente para a neuroinflamação através do eixo intestino-cérebro. Esta tese explora o potencial discriminatório da composição do microbioma intestinal entre pacientes com DA e controlos saudáveis (CS), com o objetivo de identificar biomarcadores baseados no microbioma para o diagnóstico precoce da DA. A análise clínica e demográfica incluiu idade, sexo, presença do alelo apolipoproteína E (ApoE4) e índice de massa corporal, com diferenças significativas de idade e frequência do alelo ApoE4 observadas entre os grupos DA e CS. A análise do microbioma examinou índices de diversidade alfa (Shannon e Simpson) e composição taxonómica, revelando alterações microbianas específicas, particularmente nos géneros Escherichia-Shigella e Adlercreutzia, que podem estar associadas à patologia da DA. Modelos de aprendizagem computacional foram usados para avaliar o poder preditivo das características do microbioma para a DA, incorporando variáveis clínicas. Os modelos foram otimizados para precisão e robustez através da seleção de características e redução de dimensionalidade (fusão de dados). O modelo com melhor desempenho, avaliado através de Leave-One-Out Cross-Validation (LOOCV), alcançou uma AUC de 0.88 e uma precisão de 0.89, refletindo uma melhoria em relação ao modelo do estudo de referência, que obteve uma AUC máxima de 0.83. Estes resultados destacam a capacidade discriminatória aprimorada do modelo. Estes resultados sublinham o potencial do microbioma intestinal na descoberta de biomarcadores para a DA, com as alterações microbianas identificadas a oferecerem insights para futuras investigações diagnósticas e terapêuticas. Recomenda-se a realização de estudos adicionais para refinar estes modelos preditivos e explorar a influência do microbioma na progressão da DA, avançando em direção a uma ferramenta de diagnóstico baseada no microbioma que seja fiável e acessível.
Descrição
Palavras-chave
Alzheimer's disease Gut microbiota Taxonomic data Machine learning Prediction Doença de alzheimer Microbioma intestinal Dados taxonómicos Aprendizagem computacional Predição
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC