相关实验视频
Updated: Jun 24, 2025
10:06
Cell Type-specific Gene Expression Profiling in the Mouse Liver
Published on: September 17, 2019
7.6K
为基于机器学习的分析协调异构的转录组数据集,以识别太空飞行小鼠肝脏的特定变化
Hari Ilangovan1, Prachi Kothiyal2, Katherine A Hoadley3
1Science Applications International Corporation (SAIC), Reston, VA, 20190, USA. ilangovan.hari@gmail.com.
NPJ microgravity
|June 11, 2024
概括
美国宇航局使用机器学习 (ML) 来分析太空飞行对小鼠肝脏组织的影响. 通过整合不同的数据集,ML准确地分类了太空飞行与对照动物,克服了小样本大小的限制.
科学领域:
- 太空生物学空间生物学
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
背景情况:
- 高通量分子测试被NASA用来检测太空飞行期间的生理变化.
- 机器学习 (ML) 提供了分析复杂,高维分子数据的潜力.
- 太空飞行研究中的有限样本大小阻碍了传统的ML应用.
研究的目的:
- 开发和验证一种方法来整合来自多个太空飞行任务的异质转录组学数据集.
- 克服在太空飞行研究中应用ML的样本大小限制.
- 为了准确地分类太空飞行与地面控制样本,使用ML对协调数据进行分类.
主要方法:
- 六个异构的老鼠肝转录组数据集 (n=137) 的日志转换,缩放和规范化.
- 将ML方法应用于集成数据集,以对太空飞行和地面控制动物进行分类.
- 用ML识别的生物过程与经典的奥米克分析进行比较.
主要成果:
- ML模型成功地将太空飞行与地面控制小鼠分类,曲线下的面积 (AUC) ≥0.87.7.
- 数据协调方法有效地减轻了因不同任务起源而产生的变化.
- 协调的ML分析揭示了肝脏特异性的生物过程,与逐个研究分析一致.
结论:
- 整合异质的,小样本大小的数据集对于在太空飞行研究中的ML应用是可行的.
- 协调技术使得强大的ML分析尽管跨研究的变化.
- 这种方法提高了分子数据的实用性,以了解太空飞行对生理学的影响.
