机器学习驱动的基因表达特征的识别,与危急疾病中的持续多器官功能障碍轨迹相关
Mihir R Atreya1, Shayantan Banerjee2, Andrew J Lautz1
1Division of Critical Care Medicine, Cincinnati Children's Hospital Medical Center and Cincinnati Children's Research Foundation, Cincinnati, 45229, OH, USA; Department of Pediatrics, University of Cincinnati College of Medicine, Cincinnati, OH, 45267, USA.
鉴定与持久性多器官功能障碍综合征 (MODS) 相关的基因可以改善重症患者的早期预测和干预. 机器学习模型在确定这些关键遗传标记方面表现有前途.
科学领域:
- 基因组学就是基因组学.
- 关键护理医学 关键护理医学
- 生物信息学是一种生物信息学.
背景情况:
- 多器官功能障碍综合征 (MODS) 是重症患者的主要死亡原因,但其潜在的生物机制仍然不明.
- 识别与持续的MODS轨迹相关的基因对于理解其病理生物学和预测患者风险至关重要.
研究的目的:
- 使用监督机器学习识别一组与持久的MODS轨迹相关的基因.
- 开发和验证一种预测模型,用于在重症患者中持续的MODS.
主要方法:
- 对公开可用的基因表达数据集的二次分析.
- 监督机器学习 (ML) 的应用,用于识别儿科败血症休克患者的基因.
- 在独立数据集中优化和验证ML模型.
主要成果:
- 一个持久的MODS轨迹的特点是568个差异表达的基因和失调的先天免疫反应.
- 监督的ML确定了111个与持续的MODS相关的基因,在训练组中实现了0.87的AUROC.
- 一个优化的20基因模型预测了持久的MODS,在验证和测试集中AUROC为0.74-0.79,无论宿主年龄或器官功能障碍的原因.
结论:
- 监督ML有效地识别了与持久MODS相关的基因.
- 这种方法有可能为风险人群提供有针对性的干预措施,等待在不同的队列中进一步验证.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
相关概念视频
01:11Genetic Lingo
01:29Pharmacogenomics: Identification of New Drug Targets