DAIsy-PCOS-fenomstudie - dissekering av androgenöverskott och metabol dysfunktion vid polycystiskt ovariesyndrom (DAISy-PCOS)

Utredaren föreslår ett innovativt tillvägagångssätt för att lösa det aktuella kliniska problemet, bristen på identifierade mätbara parametrar man kan använda för att förutsäga risken för framtida metabol sjukdom hos kvinnor med diagnosen PCOS. Den valda metoden är den standardiserade insamlingen av fenomen och metabolomdata och deras opartiska integration genom maskininlärningsanalys. Genom att använda de detaljerade resultaten av det kliniska fenomenet och metabolomanalysen i DAISy-PCOS Phenome Study-kohorten, kommer studien att syfta till att identifiera distinkta undergrupper (=kluster) av PCOS-patienter som delar liknande egenskaper. Detta tillvägagångssätt har tidigare använts av teamet för att framgångsrikt identifiera distinkta steroidmarkörer som kan fungera som ett "malignt steroidfingeravtryck" i urin för att skilja godartade från maligna tumörer hos patienter med oavsiktligt upptäckta binjurar. På liknande sätt har utredaren använt opartisk analys av steroidmetabolomdata för att avslöja att patienter med aldosteronöverskott också överproducerar glukokortikoider och att det senare förklarar majoriteten av risken för metabola sjukdomar som observerats hos drabbade patienter.

I den integrerade analysen av DAISy-PCOS-fenomen och metabolomdata kommer utredaren att tillämpa en mängd olika metoder i samband med anslutning eller tyngdpunktsbaserad klustring och densitetsuppskattning. Handledd relevansinlärning kommer att ge insikt i markörer, t.ex. steroider, som är mest avgörande för fastställandet av klustermedlemskap. Dessutom kommer utredaren att använda toppmoderna visualiserings- och maskininlärningstekniker baserade på adaptiva likhetsmått. utredaren kommer att använda integrativa tillvägagångssätt som tar itu med heterogena data från olika källor som helhet, samtidigt som datadriven anpassning av generativa modeller för de underliggande biologiska processerna övervägs. Utredaren kommer att använda dessa tillvägagångssätt för att karakterisera centrala fenotypkluster som påverkar ett stort antal patienter som grunden för personlig hantering inklusive förutsägelse av resultat.