Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Peneliti menggunakan pembelajaran mesin untuk mengidentifikasi biomarker darah autisme – ScienceDaily


Dengan menggunakan alat pembelajaran mesin untuk menganalisis ratusan protein, para peneliti UT Southwestern telah mengidentifikasi sekelompok penanda biologis dalam darah yang dapat mengarah pada diagnosis dini anak-anak dengan gangguan spektrum autisme (ASD) dan, pada gilirannya, terapi yang lebih efektif lebih cepat.

Identifikasi sembilan protein serum yang sangat memprediksi ASD dilaporkan dalam penelitian yang diterbitkan hari ini oleh PLOS ONE.

Diagnosis dini, diikuti dengan dukungan dan intervensi terapeutik yang cepat, dapat berdampak signifikan pada 1 dari 59 anak yang didiagnosis autisme di Amerika Serikat. Mampu mengidentifikasi anak-anak pada spektrum autisme ketika mereka masih balita dapat membuat perbedaan besar, kata Dwight German, Ph.D., profesor psikiatri di UT Southwestern dan penulis senior studi tersebut.

Saat ini, usia rata-rata anak yang didiagnosis ASD di AS adalah 4 tahun. Diagnosis sebelum usia 4 tahun berarti bahwa seorang anak lebih mungkin mendapatkan pengobatan berbasis bukti yang efektif, seperti terapi yang diarahkan pada gejala inti ASD, termasuk perilaku yang tidak fleksibel dan kurangnya komunikasi atau keterampilan sosial.

Banyak kandidat biomarker berbasis darah telah diselidiki, termasuk neurotransmiter, sitokin, dan penanda disfungsi mitokondria, stres oksidatif, dan gangguan metilasi. Namun, mengingat prevalensi ASD, penggunaan pembelajaran mesin untuk memasukkan data demografis dan klinis ke dalam analisis dapat lebih efektif memeriksa status penyakit dan keparahan gejala.

Untuk penelitian ini, sampel serum dari 76 anak laki-laki dengan ASD dan 78 dari anak laki-laki yang biasanya berkembang, semua usia 18 bulan sampai 8 tahun, diperiksa.

Kesembilan protein dalam panel biomarker berbeda secara signifikan pada anak laki-laki dengan ASD dibandingkan dengan anak laki-laki yang biasanya berkembang. Para peneliti menemukan bahwa masing-masing dari sembilan protein serum berkorelasi dengan keparahan gejala.

Lebih dari 1.100 protein diperiksa menggunakan platform analisis protein SomaLogic. Sebuah panel yang terdiri dari sembilan protein diidentifikasi sebagai yang optimal untuk memprediksi ASD menggunakan tiga metode komputasi. Para peneliti kemudian mengevaluasi panel biomarker untuk kualitas menggunakan metode pembelajaran mesin. Penelitian selanjutnya diperlukan untuk memvalidasi sepenuhnya temuan ini.

“Semakin besar pengaruhnya pada anak, semakin tinggi atau rendah biomarker darahnya,” kata German. “Idealnya, akan ada hari ketika seorang anak diidentifikasi menggunakan penanda biologis darah yang berisiko mengembangkan ASD dan terapi dapat segera dimulai. Itu akan membantu anak mengembangkan keterampilan untuk mengoptimalkan komunikasi dan pembelajaran mereka.”

Anak-anak dalam penelitian ini direkrut oleh Laura Hewitson, Ph.D., dan Morgan Devlin di The Johnson Center for Child Health & Development, pusat perawatan multidisiplin di Austin, Texas, yang menggunakan kombinasi unik dari perawatan klinis, penelitian, dan pendidikan untuk lebih memahami ASD dan gangguan perkembangan terkait. Hewitson mencatat bahwa, “Semakin dini kita dapat mengidentifikasi anak-anak dengan autisme, semakin banyak pemahaman yang bisa kita peroleh tentang cara memberikan dukungan dan terapi yang akan meningkatkan kualitas hidup mereka.”

Peneliti lain yang berkontribusi pada proyek ini adalah Jeon Lee, Ph.D., dan Jeremy Mathews di Departemen Bioinformatika Lyda Hill di UT Southwestern, dan Claire Schutte dari The Johnson Center.

Studi ini didanai oleh hibah kepada Hewitson dari Ted Lindsay Foundation, yang memiliki misi untuk mendukung program penelitian dan pendidikan yang berfokus pada penyebab dan pengelolaan ASD.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel