建立和分析一个人工神经网络模型,用于早期检测多囊卵巢综合征,使用机器学习技术
Yumi Wu1, QiWei Xiao1, ShouDong Wang2
1Institute of Acupuncture and Moxibustion of China Academy of Chinese Medical Sciences, Beijing, People's Republic of China.
Journal of inflammation research
|December 5, 2023
概括
这项研究使用人工神经网络 (ANN) 和随机森林 (RF) 确定了多囊性卵巢综合征 (PCOS) 的新型基因组合. 开发的诊断模型准确地区分PCOS,为早期检测提供了潜力.
科学领域:
- 基因组学就是基因组学.
- 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:
- 多囊卵巢综合征 (PCOS) 是一种复杂的内分泌疾病,具有重大诊断挑战.
- 目前的PCOS诊断方法缺乏具体性和及时性,需要新的方法.
- 基因表达模式有可能识别PCOS生物标志物并改善早期诊断.
研究的目的:
- 确定多囊性卵巢综合征 (PCOS) 的新型基因组合.
- 通过整合人工神经网络 (ANN) 和随机森林 (RF) 方法来开发PCOS的早期诊断模型.
- 通过计算方法提高PCOS诊断的准确性和效率.
主要方法:
- 对PCOS的基因表达数据集从基因表达综合 (GEO) 数据库中检索和处理.
- 进行了差异基因表达分析,基因本体学 (GO) 和基因和基因组的京都百科全书 (KEGG) 丰富分析.
- 随机森林算法确定了关键基因,并使用人工神经网络 (ANN) 构建诊断模型.
主要成果:
- 在PCOS样本中发现了130个上调和132个下调的基因.
- 基因本体学分析显示,肌纤维细胞和相关的生物功能得到了显著的丰富.
- 一个随机的森林算法确定了10个重要的基因作为潜在的PCOS生物标志物,从而产生了一个准确的ANN诊断模型.
结论:
- 通过将随机森林技术与人工神经网络 (ANN) 结合起来,开发了一种针对PCOS的新型诊断模型.
- 综合方法在区分PCOS和正常样本方面表现出卓越的性能,由高AUC值表明.
- 这项研究提供了一个有前途的计算策略,用于使用独特的基因组合进行早期和准确的PCOS诊断.
