探索IRG作为肺高血压的生物标志物,使用多种机器学习算法
Jiashu Yang1, Siyu Chen1, Ke Chen1
1Department of Clinical Laboratory Center, Beijing Anzhen Hospital, Capital Medical University, Beijing 100029, China.
Diagnostics (Basel, Switzerland)
|November 9, 2024
概括
研究人员使用基因组学和机器学习确定了肺动脉高血压 (PAH) 的新型诊断生物标志物. 该研究开发了一种具有高精度的诊断模型,突出显示了五个枢纽基因作为PAH的潜在分子标记物.
科学领域:
- 基因组学和生物信息学
- 发现生物标志物的发现.
- 心血管研究的心血管研究.
背景情况:
- 肺动脉高血压 (PAH) 是一个严重的健康挑战,死亡率高,缺乏有效的诊断生物标志物.
- 目前用于PAH的诊断方法在临床应用的灵敏度和简单性方面是有限的.
研究的目的:
- 通过全面的基因组学研究,确定肺动脉高血压 (PAH) 的新型诊断生物标志物.
- 开发和验证使用已识别的生物标志物对PAH进行预测诊断模型.
主要方法:
- 对包含PAH和炎症反应基因 (IRG) 的大型转录组数据集的分析.
- 整合和评估113个机器学习模型,以评估诊断潜力.
- 基于已识别的枢纽基因和在动物PAH模型中验证的临床诊断模型的开发.
主要成果:
- 拉索+LDA机器学习模型显示最高的AUC为0.741.
- 在PAH患者中,五个枢纽基因 (CTGF,DDR2,FGFR2,MYH10,YAP1) 呈现出差异性表达.
- 使用这些枢纽基因的诊断模型实现了0.87的AUC,MYH10显示了0.8.8的AUC.
结论:
- 通过使用炎症反应基因 (IRG) 成功开发了PAH的强大诊断模型.
- 已确定的枢纽基因 (CTGF,DDR2,FGFR2,MYH10,YAP1) 显示出作为PAH的新型分子诊断标记物的希望.
- 这些发现支持基因组学和机器学习在推进PAH诊断方面的潜力.
