Data mining kan helpen bij het sneller voorspellen van signalen van ALS dan traditionele methodes

Een onderzoeksteam onder leiding van psychologen aan de Universiteit van Maryland’’s School of Medicine gebruikt “pattern array” software om bewegingen te zien bij ratten, waarvan ze denken dat ze nuttig kunnen zijn in het voorspellen van ziektes zoals ALS.

In een onderzoeksrapport gepubliceerd in het tijdschrift Behavioral Neuroscience, hebben de onderzoekers hun hoop uitgedrukt dat het gebruik van data mining de wetenschappers in staat zou kunnen stellen om therapieën te testen of de ziekte te vertragen of zelfs voorkomen, te beginnen met erfelijke vormen.

Tot nu toe, hebben ze hun software gebruikt op mutante ratten die als dierlijk model gebruikt werden voor Amyotrofische Laterale Sclerose (ALS), een progressieve en fatale neurondegeneratieve ziekte die in 1 op de 10 gevallen erfelijk is.

Leidend onderzoeker Dr. Neri Kafkafi heeft bekend gemaakt dat zijn team ongeveer 50.000 vooraf bepaalde bewegingspatronen die voorkwamen wanneer de ratten vrij konden bewegen, één voor één, in een kleine arena, mathematisch heeft geanalyseerd

Hij zei dat de software een abstracte ruimte creëerde gedefinieerd door gedragscombinaties zoals snelheid, acceleratie en bewegingsrichting.

Volgens hem, liet de mining van de resulterende gedragsdata de onderzoeksgroep toe om veel meer gedragsfacetten te testen dan ze manueel zouden kunnen analyseren.

Dr. Kafkafi zegt dat de beweging van 2 groepen ratten – één type met de mutatie die resulteert in een ALS-achtig syndroom, het andere type normale objecten – werd vastgelegd op een videoband, en daarna werd de computer gebruikt om te “scannen” naar verschillen tussen de groepen.

Hij zegt dat de inspanning van het team geleid hebben tot de identificatie van een uniek motor patroon in mutante ratten, 2 maanden voor het begin van de ziekte, wat gelijk zou kunnen staan met ruwweg 5 tot 10 jaar bij mensen.

De onderzoeker is van mening dat datamining om de subtiele gedragsexpressie van mutaties te detecteren, de onderzoekers zou kunnen toelaten om therapieën te testen die gericht zijn op het voorkomen, het vertragen of het stoppen van de ziekte.

Hij zegt dat de mogelijkheid om accurater te voorspellen welke dragers de ziekte kunnen openbaren alvorens de symptomen voorkomen, de onderzoekers in staat zou kunnen stellen om medicatie te testen die de symptomen zou kunnen beletten van door te breken.

“Zulke therapieën zouden even goed ook effectief kunnen zijn tegen de non-genetische versie van de ziekte,” zegt Dr. Kafkafi.

De auteurs benadrukten dat methodes zoals datamining, therapeutisch bruikbaar zouden kunnen zijn, zelfs voor de wetenschap begrijpt hoe de ziekte begint.

“De ontdekking van betrouwbare gedragseindpunten met voorspellende geldigheid, zelfs vóór een goed begrip van hun etiologie is bereikt, kan het interventieonderzoek significant verbeteren,” schreven ze.

Vertaling: Joke Mulleners

Bron: ALS Independence