基于机器学习的预测性综合诊断生物标志物对子宫内膜异位症的综合识别
Haolong Zhang1, Haoling Zhang1, Huadi Yang2
1Department of Biomedical Sciences, Advanced Medical and Dental Institute, Universiti Sains Malaysia, Penang, Malaysia.
Frontiers in genetics
|December 15, 2023
概括
这项研究开发了一种新的机器学习方法,使用多种生物标志物来改善子宫内膜异位症的诊断. 五个基因 (FOS,EPHX1,DLGAP5,PCSK5和ADAT1) 的组合在检测子宫内膜异位症方面显示出高准确性.
科学领域:
- 生物医学信息学 生物医学信息学
- 基因组学就是基因组学.
- 医疗保健中的机器学习
背景情况:
- 子宫内膜异位症 (EM) 是一种普遍的妇科疾病,具有复杂且不完全理解的发病因子.
- 目前对子宫内膜异位症的诊断方法通常依赖于单个生物标志物,并且缺乏整合多个指标.
- 需要先进的诊断策略来提高子宫内膜异位症检测的效率和准确性.
研究的目的:
- 开发和验证使用机器学习算法进行子宫内膜异位症诊断的增强预测模型.
- 通过多算法分析来确定子宫内膜异位症诊断生物标志物的新小组.
- 探索这些生物标志物的潜力,以了解子宫内膜异位症的发病因子,并促进早期检测.
主要方法:
- 利用GSE51981数据集,使用11种不同的机器学习算法构建了113种子宫内膜异位症预测模型.
- 采用了9个机器学习算法来识别基于显著性得分和AUC值的关键诊断基因.
- 使用外部数据集 (GSE7305,GSE11691和GSE120103) 验证了已识别的基因的诊断性能.
主要成果:
- 在GSE51981数据集中确定了62个差异表达基因 (DEG).
- 一个由五个基因 (FOS,EPHX1,DLGAP5,PCSK5和ADAT1) 组成的小组在测试数据集中达到0.836的AUC,并在验证数据集中始终显示AUC>0.78.
- 鉴定出的诊断基因与免疫透细胞有着强烈的相关性,这表明它们在子宫内膜异位症的发病过程中起着作用.
结论:
- FOS,EPHX1,DLGAP5,PCSK5和ADAT1的组合作为子宫内膜异位症的有效诊断工具,显著提高了诊断效率.
- 鉴定出来的基因组为改善子宫内膜异位症的诊断和管理提供了一个新的临床视角.
- 这些基因与免疫透的关联为子宫内膜异位症的发病过程提供了新的见解,可能有助于早期检测和治疗策略.
