肾脏体积的基因组学:一体适用的方法并不适用于所有情况
为表征慢性肾脏病的遗传基础,全基因组关联研究聚焦于大型人群样本中最易测量的慢性肾脏病定义特征。如今,卷积神经网络分析磁共振成像可实现准确、大规模的肾脏形态评估,促进人群规模的慢性肾脏病决定因素研究。Monteiro-Martins等将卷积神经网络应用于英国生物银行数据,生成了肾脏皮质、髓质和窦体积的基因组图谱,使肾脏结构的研究更为精细。
要点
- 卷积神经网络分析MRI可大规模准确评估肾脏形态。
- Monteiro-Martins等基于英国生物银行数据构建肾脏皮质、髓质和窦体积基因组图谱。
- 该方法有助于在人群规模深入研究肾脏结构与慢性肾脏病决定因素。
核心结论
- 卷积神经网络分析MRI可实现大规模肾脏形态评估,并用于生成肾脏各区域体积的基因组图谱。
研究设计与样本
- 本文为研究述评,总结Monteiro-Martins等应用卷积神经网络分析英国生物银行磁共振成像数据的研究。
主要发现
- Monteiro-Martins等生成了肾脏皮质、髓质和窦体积的基因组图谱。
- 卷积神经网络分析磁共振成像可准确、大规模评估肾脏形态。
临床怎么用
- 可利用卷积神经网络分析磁共振成像实现人群规模肾脏形态评估,支持慢性肾脏病决定因素研究。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
原文
To characterize the genetic basis of chronic kidney disease, genome-wide association studies focused on chronic kidney disease-defining traits that were most readily measurable in large population samples. Today, convolutional neural network analysis of magnetic resonance imaging allows for accurate, large-scale kidney morphology assessment, enhancing research into chronic kidney disease determinants at population scale. Applying convolutional neural networks to UK Biobank data, Monteiro-Martins et al. generated genomic maps of kidney cortex, medulla, and sinus volumes, enabling more detailed research into kidney structure.
引用
- Pattaro C, Ponte B. Genomics of kidney volumes: one size does not fit all. Kidney Int. 2026. PMID: 41577390. doi:10.1016/j.kint.2025.12.003
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。