在基于人工神经网络的基础上,对围部植入炎发病的早期诊断
Wanting Fan1, Jianming Tang1, Huixia Xu1
1Department of Stomatology, Shenzhen People's Hospital, Shenzhen, Guangdong, China.
Open life sciences
|September 6, 2023
概括
这项研究开发了一种人工神经网络 (ANN),用于使用生物信息学进行早期周植入炎 (PI) 诊断. 该模型使用13个关键基因准确识别PI,使得及时干预成为可能.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 口腔植入物学口腔植入物学
背景情况:
- 牙周植入炎 (PI) 在牙科植入学中构成了重大挑战.
- 早期诊断PI对于有效治疗和植入物存活至关重要.
研究的目的:
- 构建一个人工神经网络 (ANN) 模型,用于早期诊断周植入炎 (PI).
- 通过生物信息分析识别与PI相关的关键基因和免疫细胞概况.
主要方法:
- 利用基因表达综合数据集进行PI相关的基因表达分析.
- 进行了差异基因表达,功能丰富和免疫细胞透分析 (CIBERSORT).
- 使用随机森林分类识别中心基因并构建ANN模型.
主要成果:
- 在PI中鉴定了1,380个差异表达基因 (DEGs).
- 揭示了中性粒细胞介导的免疫力和NF-kappa B信号通路的参与.
- 在PI组织中检测到特定免疫细胞 (原始B细胞,T细胞,NK细胞,巨细胞,中性粒细胞) 的比例增加.
- 选择了13个枢纽基因 (例如ST6GALNAC4,IL10,PTGS2),这些基因对PI诊断至关重要.
- 开发了一种高性能ANN模型用于早期PI检测.
结论:
- 这项研究成功地确定了13个关键的枢纽基因与围植入炎相关.
- 为早期诊断PI而开发了一个精确的人工神经网络模型.
- 这种生物信息学方法为及时的PI检测和管理提供了一个有希望的工具.
