预测生物化学和生理学参数:从IgG糖体组成中深度学习
Ana Vujić1, Marija Klasić1, Gordan Lauc2,3
1Department of Biology, Faculty of Science, University of Zagreb, 10000 Zagreb, Croatia.
International journal of molecular sciences
|September 28, 2024
概括
免疫球蛋白G (IgG) N-糖化模式可以预测生理和生化健康标志物. 这种甘氨酸分析为个性化医疗提供了潜力,并归咎于缺少的健康数据.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 生物标志物发现发现
背景情况:
- 免疫球蛋白G (IgG) 的N-糖化对其结构和功能至关重要.
- 改变的IgG糖化与各种疾病有关,反映了整体健康状况.
- IgG甘氨酸显示出作为预测健康生物标志物的潜力.
研究的目的:
- 评估IgG N-glycans对生理和生化参数的预测能力.
- 为了比较IgG糖数据分析的回归和深度学习模型.
- 探索IgG甘氨酸在个性化医学和数据归算中的实用性.
主要方法:
- 使用IgG N-glycan数据开发了弹性净回归和深度学习模型.
- 在Korčula队列上训练模型,并在独立的Vis队列上验证.
- 评估模型在预测各种健康相关参数方面的性能.
主要成果:
- IgG糖体组成准确地预测生化和生理参数,特别是脂质/葡萄糖代谢和心血管事件.
- 这两种模型在训练组中表现相似.
- 深度学习模型在验证集上展示了优越的概括性.
结论:
- IgG糖化是个人的健康状况的强有力的指标.
- 对IgG甘氨酸的分析对在个性化医学中开发基于甘氨酸的诊断有希望.
- 预测性IgG甘氨酸模型可以帮助将缺失的共变量数据归因为深度学习应用程序.
