相关实验视频
Updated: Jul 5, 2025
08:46
A Neonatal Imaging Model of Gram-Negative Bacterial Sepsis
Published on: August 12, 2020
6.4K
在新生儿败血症中探索与编程细胞死亡相关的特征和免疫透:生物信息学分析和机器学习的新见解
Yun Hang1, Huanxia Qu2, Juanzhi Yang1
1Department of Pediatrics, The Fourth Affiliated Hospital of Jiangsu University, Zhenjiang, 212001, China.
BMC pediatrics
|January 20, 2024
概括
六个标记基因被确定用于新生儿败血症诊断. 使用这些基因的预测模型显示出高准确度,为新生儿诊断这种关键疾病提供了潜在的新工具.
科学领域:
- 医学研究 医学研究
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 新生儿败血症是导致婴儿死亡的主要原因,其潜在机制尚不清楚.
- 编程细胞死亡 (PCD) 与传染病有关,可以作为新生儿败血症的诊断标志物.
研究的目的:
- 为了确定新生儿败血症的新型诊断标志物.
- 使用机器学习技术开发新生儿败血症的预测模型.
主要方法:
- 分析了差异基因表达分析和与编程细胞死亡 (PCD) 相关的基因.
- 机器学习算法 (LASSO,SVM-RFE,RF) 确定了共同的基因.
- 使用人工神经网络和共识集群构建和验证了一种诊断模型.
主要成果:
- 六个常见的基因 (AP3B2,STAT3,TSPO,S100A9,GNS,CX3CR1) 被确定为潜在的标记物.
- 一种诊断预测模型显示出高准确度 (AUC 0.930在训练中,0.977在验证中).
- 免疫细胞透分析揭示了败血症患者的显著差异.
结论:
- 六个基因被确定为新生儿败血症的关键标志物.
- 开发了一个准确的新生儿败血症诊断预测模型.
- 这些发现为新生儿败血症的早期诊断和管理提供了有希望的方法.
