AB Herramientas de lectura

Introducción: La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo caracterizado por la presencia de ovillos de proteína tau y placas beta-amiloideas, que interrumpen la función cerebral y conducen a la pérdida neuronal. Objetivo: Dilucidar los mecanismos moleculares subyacentes a la EA e identificar nuevas dianas terapéuticas, con un enfoque en el establecimiento de vínculos causales entre los microARNs y la EA, críticos para la detección temprana y el monitoreo de la enfermedad. Métodos: El estudio utilizó la base de datos HMDD V4.0 para examinar un conjunto de datos sobre la causalidad en las asociaciones microARN-enfermedad, que comprende perfiles de expresión de microARN e información clínica de pacientes con EA e individuos sanos. El conjunto de datos se sometió a redes neuronales de grafos para predecir las interacciones causales entre los microARNs y la EA. Resultados: El modelo de red neuronal de grafos demostró un rendimiento robusto en la predicción de la enfermedad de Alzheimer, alcanzando una precisión del 69.44%, una recuperación del 83.33% y una puntuación F1 del 75.75%, lo que indica su potencial en la identificación de biomarcadores o dianas terapéuticas utilizando datos de microARN. Conclusión: El modelo de red neuronal de grafos para la predicción de asociaciones causales entre la enfermedad de Alzheimer y los microARNs muestra ser prometedor. Sin embargo, se justifica una mayor investigación sobre el equilibrio del conjunto de datos, los ajustes a los umbrales de clasificación, la incorporación de características adicionales y la exploración de arquitecturas de modelos avanzados.

Recibido: 28/02/2025
Aceptado: 06/03/2025