相关实验视频
Updated: Jul 19, 2026
08:58
Optimized Analysis of In Vivo and In Vitro Hepatic Steatosis
Published on: March 11, 2017
15.9K
基于机器学习的识别潜在的特征基因用于预测非酒精性脂肪肝炎动物模型中的药物疗效
Marwa Matboli1, Ibrahim Abdelbaky2, Abdelrahman Khaled3
1Medical Biochemistry and Molecular Biology Department, Faculty of Medicine, Ain Shams University, Cairo, Egypt. drmarwa_matboly@med.asu.edu.eg.
Lipids in health and disease
|August 24, 2024
概括
机器学习使用分子和生物化学标记器准确预测非酒精性脂肪肝炎 (NASH) 治疗反应. 这种预测模型为诊断NASH改善和指导向治疗提供了一个有希望的工具.
科学领域:
- 肝病学和翻译医学
- 生物信息学和计算生物学
- 药物基因组学 药物基因组学
背景情况:
- 非酒精性脂肪肝炎 (NASH) 是一种复杂的肝病,具有显著的代谢,炎症和纤维素成分.
- 目前,没有FDA批准的NASH治疗方法,这凸显了未满足的临床需求.
- 了解NASH病原体对于开发有效的治疗策略至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测NASH动物模型中的治疗反应.
- 确定关键的分子和生化标志物,表明NASH的改善.
- 为了利用生物信息学用于标记物发现和模型开发.
主要方法:
- 在大鼠模型中诱导了NASH,在12周内用微生物组向和草药疗法治疗.
- 机器学习模型经过训练和测试,使用异位病理性NASH分数 (HPS) 来分类改善 (0-4) 与不改善 (5-8).
- 这些模型包含了34个特征:20个分子标记 (mRNA,microRNA,lncRNA) 和14个与NASH病变相关的生物化学标记.
主要成果:
- 渐变增强实现了98%的准确性,而随机森林在特征减少后以98.4%的准确性表现出卓越的性能.
- 关键的预测分子标志物包括YAP1,LATS1,NF2,SRD5A3-AS1,FOXA2,TEAD2,miR-650,MMP14,ITGB1和miR-6881-5P.这些标志物都被认为是最重要的.
- 确定了重要的生物化学标志物是甘油三 (TG),ALT,ALP,总 bilirubin,AFP和LDL-C.
结论:
- 一个利用16个非侵入性分子和生物化学特征的ML模型准确地预测了NASH的改善.
- 这种高性能模型显示出作为评估治疗疗效的诊断工具的潜力.
- 鉴定的标记物和预测模型可以帮助开发针对NASH的向疗法.
