一项新的研究使用机器学习来寻找与母体免疫反应相关的自闭症亚型的生物标记

一项新的研究使用了一个简单的血液测试第一次使用机器学习来预测自闭症的一个子类，即MAR-ASD，准确率为100%。

加州大学戴维斯分校的研究人员利用血液样本，在患有MAR-ASD(即母体自身抗体相关自闭症谱系障碍)的孩子的母亲身上发现了某些蛋白质。

在之前的研究中，23%的自闭症儿童中发现了这些蛋白质，但只有1%的正常发育儿童中发现了这些蛋白质。研究人员估计,MAR-ASD可能影响18%的自闭症患者．

使用一种新的机器学习技术在血液样本中寻找模式，研究团队的方法在一组MAR-ASD儿童中准确地预测了自闭症，准确率为100%。

这项研究的部分资金是由自闭症之言的研究作者Judy Van de Wat188金宝搏官网版下载最新er提供的，它代表了一种进步，可能使一种简单的血液测试成为一种新的筛查工具，在传统的行为诊断工具可以有效使用之前，就可以在婴儿时期对自闭症进行早期诊断。

“自闭症之声”的首席科学官托马斯·w·弗雷泽(Thomas W. Frazier)说:“这项研究为未来开发现实世界的临床工具铺平了道路，用一个简单的测试来筛查自闭症。”188金宝搏官网版下载最新“改善儿童早期筛查和在儿童早期进行干预对他们成长过程中的发展至关重要。机器学习技术是一种快速、可靠和有效的工具，有助于实现这一目标。”

在目前的研究中，研究人员认为目标蛋白影响脑细胞的生长以及其他对发育至关重要的生物过程。这些过程可能会影响大脑中的通路，从而导致自闭症。

根据自闭症诊断观察计划(自闭症诊断观察计划是自闭症诊断的标准工具)，一种特殊的蛋白质CRMP1与儿童自闭症严重程度的相关性最强。

这项研究首次探索了机器学习的能力，以100%的准确率预测自闭症儿童的风险。

研究人员从参加“儿童自闭症遗传与环境风险”(CHARGE)研究的母亲身上收集了生物样本。目前的研究部分由自闭症之声资助，包括450名被诊断为自闭症儿童的母亲和342名188金宝搏官网版下载最新正常发育儿童的母亲。

研究人员使用样本的一个子集来训练机器，并使用另一个子集来测试它的准确性。虽然没有单一的自身抗体可以预测自闭症，但研究人员确定了12种自身抗体模式组合，由两个或两个以上的母体自身抗体组成，可以预测自闭症。

“自闭症之声”的首席科学官托马斯·w·弗雷泽(Thomas W. Frazier)说:“这项研究为机器学习技术在自闭症筛查方面的未来发展铺平了道路。”188金宝搏官网版下载最新“增加儿童早期筛查和及时干预是自闭症之声的一个重要目标。188金宝搏官网版下载最新结合生物信息的机器学习方法可以成为帮助实现这一目标的快速、可靠和有效的工具。”

未来的研究目标是通过使用更大的数据集和观察其他自闭症指标和子类别，进一步探索这些自身抗体模式作为自闭症的预测因子。