核心极端学习与协调的蝙蝠算法用于预测pyrene在老鼠中的毒性
Hang Su1, Dong Zhao1, Ali Asghar Heidari2
1College of Computer Science and Technology, Changchun Normal University, Changchun, China.
Basic & clinical pharmacology & toxicology
|November 9, 2023
概括
这项研究表明,聚环芳 (PAH) 的pyrene对老鼠基因表达有影响. 该SCBA-KELM模型确定了受PAH毒性影响的关键基因 (PXR,CAR,CYP1A1/2),实现了高分类准确性.
科学领域:
- 环境毒理学环境毒理学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 多环芳 (PAH) 是有毒的有机污染物,对人类健康有重大影响.
- 特定的PAHPyrene被研究其对大鼠模型的有害影响.
- 了解PAH毒性机制需要从复杂的生物数据集中有效地选择特征.
研究的目的:
- 研究烯对大鼠基因表达的毒理影响.
- 开发和验证用于PAH毒性评估的高性能特征选择策略.
- 为了确定受PAH暴露影响最严重的特定老鼠基因.
主要方法:
- 开发一种新的优化方法,SCBA (序列交叉蝙蝠算法).
- 将SCBA与内核极端学习机器 (KELM) 模型 (SCBA-KELM) 的集成.
- 使用基准函数验证SCBA-KELM性能,并对大鼠基因表达数据进行比较实验.
主要成果:
- 该SCBA-KELM模型在特征选择中表现出高精度和稳定性.
- 鉴定出受素暴露显著影响的关键基因:PXR,CAR,CYP2B1/2和CYP1A1/2.2.
- SCBA-KELM模型在基因数据集上实现了100%的分类性能,在公共数据集上达到~96%的精度.
结论:
- SCBA-KELM模型是毒理学分类和评估的可靠和有效工具.
- 这些已识别的基因提供了对大鼠PAH毒性的分子机制的见解.
- 这种方法为在毒理学研究中分析动物数据集提供了有价值的方法.
