非性膀疼痛综合征的转录组特征的基于机器学习的分类
Akshay Akshay1,2, Mustafa Besic1, Annette Kuhn3
1Functional Urology Research Laboratory, Department for BioMedical Research DBMR, University of Bern, 3008 Bern, Switzerland.
International journal of molecular sciences
|February 10, 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 (TPPP3,FAT1,NCALD) 准确地分类BPS,为下尿路功能障碍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:
- 下尿道功能障碍 (LUTD) 影响全球许多人,症状重叠阻碍了诸如非性膀疼痛综合征 (BPS) 和膀过活 (DO) 等亚型的诊断.
- 缺乏可靠的生物标志物使精确的分类和针对性治疗LUTD复杂化,包括BPS.
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.
- 开发基于基因表达特征的BPS强大的分类器.
主要方法:
- 利用下一代测序 (NGS) 从BPS,DO和对照患者的膀活检中的转录组数据.
- 通过统计分析确定了13个候选基因,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,以识别预测基因特征.
主要成果:
- 确定了一个由13个候选基因组成的小组,以区分BPS与对照和DO患者.
- 三个mRNA签名 (TPPP3,FAT1,NCALD) 被证实为非性BPS的强有力的分类器.
- ML框架有效地处理了有限的样本大小,证明了用于签名识别的实用性.
结论:
- 鉴定的三种mRNA签名为非性BPS诊断提供了一个有前途的生物标志物.
- 基于ML的方法为复杂疾病中的基因表达特征发现提供了有价值的方法.
- 这项研究为改善对LUTD亚型的理解和分类奠定了基础.
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
