Alzheimerova bolest karakterizirana kao stanje progresivnog gubitka kognitivnih funkcija, uključujući pamćenje, orijentaciju i prosuđivanje, predstavlja vodeći oblik demencije u svijetu. Iako točan uzrok bolesti još nije potpuno razjašnjen, ključni patološki mehanizmi bolesti uključuju nakupljanje izvanstaničnih beta-amiloidnih plakova i hiperfosforiliranog Tau proteina unutar živčanih stanica, što dovodi do neurofibrilarnih čvorova sa posljedicom atrofije mozga i odumiranjem živčanih stanica te gubitkom neurona i sinapsi. Cilj ovog diplomskog rada bio je istražiti potrencijalne genetske markere i klasificirati status Alzheimerove bolesti pomoću strojnog učenja, korištenjem podataka dobivenih RNA sekvenciranjem pojedinačnih stanica (scRNA-seq). Visoko-propusno RNA sekvenciranje na pojedinačnim stanicama revolucionarna je tehnika koja je omogućila analizu cijelokupnog transkripcijskog profila pojedinačnih stanica u velikom obujmu, što je ključna prednost u proučavanju heterogenosti stanica u kompleksnim tkivima poput mozga. Za potrebe rada podatci RNA sekvenciranja pojedinačnih stanica entorinalnog korteksa i superiornog frontalnog girusa mozga post mortem (Braak stadiji 0, 2 i 6) bili su prikupljeni i prethodno obrađeni korištenjem računalnog alata Seurat. Uporabom alata strojnog učenja kao što su modeli logističke regresije i nasumičnih šuma, analizirali smo podatke kako bi identificirali ključne gene i signalne puteve povezane s progresijom bolesti. Analizom podataka identificirali smo nekoliko gena kao potencijalne markere ovisno o stadiju bolesti poput UTP8 gena za ranij stadij ili HNRNPH1, RPL10A i CLOCK gene za kasniji stadij bolesti.