UC Davis MIND研究所的研究人员通过机器学习确定了几种母体自身抗体与自闭症的诊断和严重程度密切相关。

他们的研究于1月22日发表在《分子精神病学》上，专门研究了母体自身抗体相关的自闭症谱系障碍(MAR ASD)，该病约占所有自闭症病例的20%。

这项研究的主要作者，加州大学戴维斯分校的风湿病，变态反应和临床免疫学教授朱迪·范德沃特说：“这项研究的意义是巨大的。”“这是第一次使用机器学习以100%的准确度识别MAR ASD特定模式作为潜在的ASD风险生物标志物。”

自身抗体是攻击人自身组织的免疫蛋白。此前，范德·沃特(Van de Water)发现，怀孕母亲的自身抗体会与胎儿大脑的生长反应并改变胎儿的发育。

机器学习识别指示自闭症可能性和严重性的模式

该研究小组从参加CHARGE研究的母亲那里获得了血浆样品。他们分析了450名自闭症儿童母亲和342名典型发育儿童母亲(也来自CHARGE)的样品，以检测与胎脑中丰富的八种不同蛋白质的反应性。然后，他们使用机器学习算法来确定哪些自身抗体模式与ASD的诊断特别相关。

研究人员创建并验证了一项测试，以识别针对发育中的大脑中高度表达的8种蛋白质的ASD特异性母体自身抗体反应模式。

Van de Water说：“这项特殊研究的重要之处在于，我们为未来的临床使用创建了一种新的，可翻译的测试。”这种简单的母体血液测试使用ELISA(酶联免疫吸附测定)平台，该平台非常快速且准确。

机器学习程序处理了大约10,000个模式，并确定了与MAR ASD相关的三个顶级模式：CRMP1 + GDA，CRMP1 + CRMP2和NSE + STIP1。