探索基本震的诊断标记:基于机器学习算法的研究.
Yuan Gao1,2, Li Ding1, Jiang Liu1
1Department of Neurology, The First People's Hospital of Yunnan Province, The Affiliated Hospital of Kunming University of Science and Technology, Kunming 650000, Yunnan, China.
Open life sciences
|June 26, 2023
概括
研究人员使用机器学习来诊断基本震 (ET) 发现了三个关键基因 (APOE,SENP6,ZNF148). 这些生物标志物可能有助于克服这种常见的神经疾病的诊断挑战.
科学领域:
- 神经学 神经学
- 生物信息学是一种生物信息学.
- 遗传学 是一个遗传学.
背景情况:
- 基本震 (ET) 是一种流行的神经疾病.
- 由于缺乏可靠的生物标志物,ET的临床诊断具有挑战性.
- 微RNAs (miRNAs) 正在作为潜在的诊断标记物进行研究.
研究的目的:
- 通过查miRNAs来确定基本震 (ET) 的潜在诊断生物标志物.
- 利用机器学习算法在外星人中发现生物标志物.
- 探索已识别的基因在ET病原和免疫微环境中的作用.
主要方法:
- 对ET和对照样本的公共和内部高通量测序数据集的组合.
- 应用拉索回归和支持向量机递归特征消除 (SVM-RFE) 用于基因选.
- 使用接收器操作特征 (ROC) 曲线与曲线下的面积 (AUC) 来验证诊断基因.
- 进行功能丰富分析和ssGSEA以了解基因功能和免疫格局.
主要成果:
- 确定了三个差异表达基因 (DEGs):APOE,SENP6和ZNF148,其AUCs>0.7.7.
- 这些基因表现出显著的能力,使ET患者与健康对照区分开来.
- 诊断基因与胆固醇,GABAergic和多巴aminergic突触网络相关.
- 鉴定的基因影响了ET的免疫微环境.
结论:
- 基因APOE,SENP6和ZNF148显示出作为基本震的诊断生物标志物的希望.
- 这些生物标志物可以帮助克服与ET相关的临床诊断困难.
- 这些发现为了解ET病原和开发诊断工具提供了基础.
更多相关视频
05:54MRI-guided Focused Ultrasound Thalamotomy for Patients with Medically-refractory Essential Tremor
Published on: December 13, 2017
14.1K
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.5K