Ilustrasi menunjukkan jenis sel dan daerah otak yang dipengaruhi oleh enam penyakit neurodegeneratif yang berbeda: Ataksia Friedreich (ungu); penyakit Huntington (biru); demensia frontotemporal (kuning); amyotrophic lateral sclerosis (ALS), juga dikenal sebagai penyakit motor neuron (MND) atau penyakit Lou Gehrig (hijau); penyakit Parkinson (oranye); dan penyakit Alzheimer (merah muda). Kredit: Shireen Dooling
Berbagai penyakit neurodegeneratif yang membingungkan diketahui menyerang daerah otak yang berbeda, menyebabkan defisit kognitif dan motorik yang parah. Dampak gabungan dari penyakit-penyakit ini (umumnya fatal) telah menyebabkan kerugian yang sangat besar bagi masyarakat. Wawasan baru menunjukkan banyak dari penderitaan ini berasal dari konstelasi proses umum, yang bermain dengan cara yang berbeda saat setiap penyakit berkembang.
Dalam sebuah penelitian yang muncul dalam edisi terkini Alzheimer’s & Dementia: The Journal of the Alzheimer’ Association, penulis korespondensi Carol Huseby dari Arizona State University dan rekan-rekannya mengamati perubahan seluler pada enam penyakit neurodegeneratif yang berbeda: amyotrophic lateral sclerosis atau penyakit Lou Gehrig, Penyakit Alzheimer, ataksia Friedreich, demensia frontotemporal, penyakit Huntington, dan penyakit Parkinson. Carol Huseby adalah peneliti di Pusat Penelitian Penyakit Neurodegeneratif ASU-Banner.
Studi ini menggunakan pendekatan inovatif, yang mencakup analisis pembelajaran mesin dari RNA yang ditemukan dalam darah lengkap. Dengan membandingkan beberapa penyakit, peneliti dapat mengidentifikasi penanda RNA mana yang terjadi pada beberapa penyakit neurodegeneratif dan mana yang unik untuk setiap penyakit.
“Tampaknya beberapa penyakit neurodegeneratif mengandung proses disfungsional seluler fundamental yang serupa,” kata Huseby, seorang peneliti di Pusat Penelitian Penyakit Neurodegeneratif ASU-Banner. “Perbedaan antar penyakit mungkin menjadi kunci untuk menemukan kerentanan tipe sel regional dan target terapeutik untuk setiap penyakit.”
Sampel darah yang digunakan untuk penelitian ini berasal dari kumpulan data yang tersedia untuk umum yang dikenal sebagai Gene Expression Omnibus. Masing-masing dari enam penyakit neurodegeneratif diperiksa. Saat algoritme pembelajaran mesin menyisir ribuan gen, ia mengumpulkan set transkrip RNA yang secara optimal mengklasifikasikan setiap penyakit, membandingkan data dengan sampel RNA dari darah pasien yang sehat.
Transkrip RNA yang dipilih mengungkapkan delapan tema umum di enam penyakit neurodegeneratif: regulasi transkripsi, degranulasi (proses yang terlibat dalam peradangan), respons imun, sintesis protein, kematian sel atau apoptosis, komponen sitoskeletal, ubiquitylation/proteasome (terlibat dalam degradasi protein) dan kompleks mitokondria (yang mengawasi penggunaan energi dalam sel). Delapan disfungsi seluler yang terungkap terkait dengan patologi yang dapat diidentifikasi dalam karakteristik otak dari setiap penyakit.
Studi ini juga mengidentifikasi transkrip yang tidak biasa untuk setiap penyakit, yang mungkin mewakili jalur penyakit yang belum dijelajahi. Outlier spesifik penyakit seperti itu dapat dieksplorasi sebagai sumber potensial biomarker diagnostik.
Sebagai contoh, sementara kehilangan sinaptik adalah ciri umum pada keenam penyakit yang dianalisis, transkrip yang terkait dengan fenomena yang dikenal sebagai regulasi spliceosome hanya terdeteksi pada kasus penyakit Alzheimer. (Spliseosom adalah kompleks protein yang ditemukan dalam inti sel, penting untuk fungsi sel yang tepat. Penyambungan RNA yang rusak dikaitkan dengan penyakit.)
Investigasi biomarker darah untuk penyakit neurodegeneratif, ditambah dengan metode statistik yang kuat menggunakan kecerdasan buatan, telah membuka jendela baru pada penderitaan serius ini. Darah dapat diambil sampelnya dengan mudah pada pasien hidup pada semua tahap kesehatan dan penyakit, memberikan alat baru yang ampuh untuk diagnosis dini.
Menurut Perserikatan Bangsa-Bangsa, ketika semua penyakit neurodegeneratif dipertimbangkan, jumlah kematian global mungkin mencapai 1 miliar orang. Perjalanan dari banyak penyakit seperti itu berlarut-larut dan kejam, menyebabkan tidak hanya penderitaan yang parah bagi pasien tetapi juga beban ekonomi yang sangat besar pada sistem perawatan kesehatan. Metode diagnosis dini yang baru, perawatan yang lebih baik, dan kemungkinan metode pencegahan sangat dibutuhkan.
Namun, sebagian besar penyakit neurodegeneratif sulit untuk didiagnosis secara akurat dan sulit diobati, termasuk penyakit Alzheimer (AD), penyebab utama demensia. Sementara faktor genetik memang berperan dalam perkembangan AD, sebagian besar kasus dianggap sporadis, artinya penyebab yang mendasarinya tidak jelas. Ini juga terjadi pada tiga penyakit lain yang disorot dalam penelitian ini: demensia frontotemporal, ALS, dan penyakit Parkinson. Penyakit Huntington dan ataksia Friedreich tampaknya ditentukan secara genetik dan dikatakan bersifat familial.
Tanda-tanda neurodegenerasi terdeteksi di sistem saraf pusat dan sistem pembuluh darah perifer. Penyakit juga dapat bermigrasi dari titik asalnya ke daerah otak yang jauh, tempat mereka menimbulkan sebagian besar kerusakan.
Studi ini menggambarkan kelompok atau pohon RNA yang dipilih oleh proses pembelajaran mesin, yang mengungkap pola ekspresi gen yang umum pada enam penyakit neurodegeneratif yang dieksplorasi dalam penelitian ini serta profil ekspresi yang berbeda dan bergantung pada penyakit. Ribuan pohon semacam itu dibuat dan dibandingkan secara statistik oleh algoritme pembelajaran mesin, untuk memilih pengelompokan 20 transkrip yang paling selaras dengan jalur penyakit yang diketahui pada penyakit yang diteliti.
Temuan ini menawarkan petunjuk tentang fitur seluler umum yang mungkin berperan dalam proses awal degenerasi saraf. Studi ini juga menimbulkan pertanyaan yang membingungkan tentang bagaimana bentuk penyakit yang berbeda pada akhirnya berkembang dari unsur-unsur umum ini.
Dari transkrip RNA yang diambil dari darah, sekitar 10.000 gen diekspresikan. Algoritme pembelajaran mesin, yang dikenal sebagai Hutan Acak, mengkategorikan data dan membandingkan hasilnya dengan profil ekspresi gen yang diketahui terkait dengan jalur biologis terkait penyakit.
Skrining darah lengkap dan pemeriksaan profil RNA lengkap dapat mengatasi keterbatasan berbagai bentuk pengujian lainnya, yang seringkali kurang komprehensif serta mahal, sangat invasif, dan padat karya. Diagnosis melalui whole blood, sebaliknya, dapat dilakukan dengan biaya rendah hampir di mana saja di dunia. Hasil darah dapat dilacak dari waktu ke waktu, memberikan jendela berharga pada perkembangan penyakit. Penelitian semacam ini juga dapat mendorong cara pengobatan baru.
Hasilnya menunjukkan kemungkinan yang menggiurkan: Perubahan transkripsional yang dimiliki oleh berbagai jenis penyakit dapat memberikan benih awal yang kemudian berkembang menjadi masing-masing penyakit otak yang berbeda. Mekanisme yang bertanggung jawab atas faktor-faktor umum yang berkecambah untuk menghasilkan beragam penyakit dan gejala, menyerang berbagai wilayah otak, tetap menjadi teka-teki utama yang harus dipecahkan.
Penelitian di masa depan akan mengeksplorasi dampak transkripsional pada neuron selain sel darah serta mekanisme yang mendasari yang mengatur tahapan penyakit neurodegeneratif untuk mengembangkan dan mengembangkan patologi mereka yang berbeda.
Informasi lebih lanjut: Carol J. Huseby et al, Transkrip RNA darah mengungkapkan perubahan serupa dan berbeda dalam proses seluler fundamental pada penyakit Alzheimer dan penyakit neurodegeneratif lainnya, Alzheimer & Demensia (2022). DOI: 10.1002/alz.12880 Disediakan oleh Arizona State University
Kutipan: Studi jejak ciri seluler yang sama dan unik ditemukan pada 6 penyakit neurodegeneratif (2022, 21 Desember) diambil 21 Desember 2022 dari https://medicalxpress.com/news/2022-12-unique-cellular-hallmarks-neurodegenerative-diseases.html
Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.