1
① 抽血・全血 RNA-seq
讀取血液中的基因表現，整理成一張「樣本 × 基因」資料表。
2
② 機器學習：分兩群
XGBoost 依基因型態，把人分成 ALS 與 對照。
3
③ 預測存活
同一套資料，再把患者分成 長／中／短 三種存活軌跡。
4
④ 核心基因 → 候選藥物
找出核心基因，篩選能「反轉」疾病訊號的藥物（紅 轉 藍）。
ALS／疾病異常對照／被校正資料／模型
流程導讀 · What you're seeing
- 抽血、讀取全血 RNA：把基因表現變成一張資料表。
- 機器學習（XGBoost）依基因型態，把人分成 ALS 與對照兩群。
- 同一套資料，再把患者分成短、中、長三種預測存活。
- 找出核心基因，據此篩選可能「反轉」疾病訊號的候選藥物。
示意動畫：為概念呈現，非實驗數據或真實顯微／影像資料。本研究屬 proof-of-concept，尚未驗證於 ALS mimics 或症前帶因者。
Zhao, Y. et al. Gene expression signatures from whole blood predict amyotrophic lateral sclerosis case status and survival. Nature Communications 16, 9631 (2025). DOI