整合代谢学领域知识与可解释的机器学习在动脉样硬化心血管疾病分类中的知识

科学领域:

• 代谢学 代谢学 代谢学
• 机器学习 机器学习
• 心血管疾病研究研究

背景情况:

• 代谢数据的高维度和可变性带来了分析挑战.
• 机器学习 (ML) 为从复杂的代谢数据集中提取见解提供了强大的工具.
• 将代谢学与可解释的ML整合起来,可以提高动脉样硬化研究中的模型解释性.

研究的目的:

• 使用可解释的ML和代谢学领域知识,识别与动脉样硬化心血管疾病 (ASCVD) 相关的关键代谢物.
• 改进ASCVD检测ML模型的预测性能和可解释性.
• 评估已识别的代谢物的有效性,以区分ASCVD病例与外部队列中的对照.

主要方法:

• 使用部分最小平方差分分析 (PLS-DA) 来降低代谢数据的维度.
• 使用极端梯度提升 (XGBoost) 进行代谢物选择和ASCVD的表征.
• 综合代谢学领域的知识 (化学分类) 与SHAP分析,以提高模型的解释性.

主要成果:

• 确定了56种代谢物用于ASCVD歧视,脂质,有机酸和有机氧化合物是主要的超级类.
• 使用选定的代谢物XGBoost模型在训练队列中实现了0.75的曲线下的面积 (AUC).
• SHAP分析强调胆固醇,3-甲基胺和葡萄糖酸是具有影响力的特征;外部验证给出了0.93.3的AUC.

结论:

• 代谢物的组合可以有效地构建ASCVD的分类器.
• 将代谢物分类与SHAP分析相结合,可以提高模型的解释性,揭示代谢物对ASCVD风险的特定贡献.
• 这种方法表明了心血管疾病研究中改进诊断和预后工具的潜力.