基于机器学习的转录组分类非性膀疼痛综合征的签名
Akshay Akshay1,2, Mustafa Besic1, Annette Kuhn3
1Functional Urology Research Group, Department for BioMedical Research DBMR, University of Bern, Switzerland.
bioRxiv : the preprint server for biology
|January 23, 2024
概括
研究人员开发了一种机器学习方法,用于识别非性膀疼痛综合征 (BPS) 的mRNA签名. 一个三基因签名有效地将BPS与其他疾病区分开来,提供了一个新的诊断工具.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 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:
- 下尿路功能障碍 (LUTD) 影响着全球许多人,对非性膀疼痛综合征 (BPS) 和排尿器过度活跃 (DO) 等亚型存在诊断挑战.
- 缺乏可靠的生物标志物阻碍了对具有重叠症状的LUTD亚型的准确分类.
研究的目的:
- 使用机器学习 (ML) 方法识别非性BPS的特定mRNA签名.
- 开发一个强大的诊断工具,以区分BPS与其他条件,如DO.
主要方法:
- 利用下一代测序 (NGS) 从膀活检中的转录组数据.
- 通过统计分析识别了候选基因,并通过定量聚合酶链反应 (QPCR) 验证.
- 将监督和无监督的ML算法应用于QPCR数据以发现签名.
主要成果:
- 确定了13个候选基因,将BPS与对照组和DO患者区分开来.
- 一个三个mRNA签名 (TPPP3,FAT1,NCALD) 稳定地分类了非性BPS.
- 该签名始终由监督和无监督ML方法选择.
结论:
- 鉴定到的三个mRNA签名作为非性BPS的有希望的分类器.
- ML框架为了解BPS基因表达提供了基础,并有助于在其他领域发现签名.
- 机器学习管道有效地解决了小样本规模的挑战,适用于类似的研究领域.
更多相关视频
10:37Perturbations of Circulating miRNAs in Irritable Bowel Syndrome Detected Using a Multiplexed High-throughput Gene Expression Platform
Published on: November 30, 2016
8.3K
09:50A Single Cell Dissociation Approach for Molecular Analysis of Urinary Bladder in the Mouse Following Spinal Cord Injury
Published on: June 17, 2020
5.6K
