开发和验证机器学习模型的饮食管理的超氨血症:一个多中心的回顾性研究
Yajie Su1,2, Yaqiong Wang1, Jinfeng He3
1Centre for Molecular Medicine, Children's Hospital of Fudan University, and Institutes of Biomedical Sciences, Fudan University, Shanghai, China.
BMC medicine
|September 10, 2024
概括
这项研究开发了一种机器学习模型,用于预测患有高氨酸血症 (HPA) 的儿童摄入氨酸 (Phe) 的耐受性,从而改善饮食管理. 该模型整合了基因和代谢数据,用于个性化治疗策略.
科学领域:
- 生物化学 生物化学
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- 管理高氨酸血症 (HPA) 需要仔细评估饮食氨酸 (Phe) 的耐受性.
- 目前的饮食管理是临床医生和家庭的时间密集型.
研究的目的:
- 开发一种机器学习模型,用于预测HPA儿童的饮食Phe摄入耐受性.
- 为了在诊断后的10年内实现精确,个性化的饮食管理.
主要方法:
- 对204名患有HPA的儿童进行了回顾性观察性研究,收集了基因型,代谢概况和Phe度.
- 利用预测的等位体表型值 (pAPV) 模型,在氨酸氧化酶 (PAH) 基因中结合了2965个误解变体.
- 在代谢,遗传和后续数据上训练了一种多类分类模型,使用十倍交叉验证和独立数据集进行验证.
主要成果:
- pAPV模型表现出良好的预测性能 (RMSE 1.53训练, 2.38测试).
- 最终的模型在验证数据集中实现了高灵敏度 (0.77-0.91) 和特异性 (0.8-1).
- 强大的表现以正预测值 (0.68-1),负预测值 (0.8-0.98),F1得分 (0.71-0.92) 和平衡精度 (0.8-0.92) 表示.
结论:
- 开发的模型整合了代谢和遗传数据,以准确,特定于年龄的Phe耐受性预测HPA患者.
- 这种方法促进了HPA的精确管理,并为其他代谢先天性错误提供了一个框架.
更多相关视频
10:31An Experimental Model of Diet-Induced Metabolic Syndrome in Rabbit: Methodological Considerations, Development, and Assessment
Published on: April 20, 2018
10.7K
09:10Palatable Western-style Cafeteria Diet as a Reliable Method for Modeling Diet-induced Obesity in Rodents
Published on: November 1, 2019
10.7K
