机器学习用于识别不同类型心脏细胞的先天性心脏病标记基因
Qinglan Ma1, Yu-Hang Zhang2, Wei Guo3
1School of Life Sciences, Shanghai University, Shanghai 200444, China.
Life (Basel, Switzerland)
|August 29, 2024
概括
机器学习在心脏细胞中确定了先天性心脏病 (CHD) 亚型的关键基因. 这项研究揭示了扩张性心肌病和法洛特四分法等疾病的潜在遗传标志物.
科学领域:
- 基因组学和生物信息学
- 心血管研究研究心血管研究
- 计算生物学 计算生物学
背景情况:
- 先天性心脏病 (CHD) 包括一系列具有复杂遗传和环境起源的先天性心脏缺陷.
- 了解不同心脏病亚型的分子基础,需要对各种心脏细胞类型进行大规模基因表达分析.
研究的目的:
- 使用单细胞基因表达数据识别与特定先天性心脏病 (CHD) 亚型相关的基本基因.
- 应用机器学习技术来发现基因表达模式,并开发CHD的预测模型.
主要方法:
- 在六种心脏病条件和对照中分析了来自超过13万个心脏细胞 (纤维细胞,心肌细胞,内皮细胞) 的基因表达特征.
- 利用六个特征排名算法和增量特征选择与两个分类算法来识别关键基因.
- 采用机器学习模型,包括LASSO,LightGBM,Catboost,随机森林 (RF) 和XGBoost用于特征提取和分类.
主要成果:
- 在心脏纤维细胞 (例如, *FOXO3*),心肌细胞 (例如, *TMTC1*, *XIST*) 和内皮细胞 (例如, *COL25A1*, *NFIB*) 中发现了与不同冠状动脉疾病亚型相关的特定基因.
- 拉索在纤维细胞中发现了像*FOXO3*这样的关键基因,用于扩张和高性心肌病.
- 机器学习模型有效地划分了亚型特定的基因,并开发了CHD中基因表达模式的定量规则.
结论:
- 机器学习在识别各种先天性心脏病亚型的关键基因和分子特征方面是有效的.
- 鉴定出来的基因代表了不同心脏细胞类型中各种心脏病的潜在诊断标记物.
- 这项研究为未来研究先天性心脏病背后的分子机制提供了基础.
