变化图形自编码器用于与牙周炎中NLRP3介导的炎症相关的重建的转录基因数据

科学领域:

• 口腔生物学 口腔生物学
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 牙周炎涉及 Porphyromonas gingivalis,导致炎症和骨质损失.
• 在牙周病中,NLRP3炎症酶和热是关键的炎症途径.
• 牙周病的缺氧会加剧炎症和细菌的生存.

研究的目的:

• 评估变态图自编码器 (VGAEs) 用于重建牙周炎中的基因表达数据.
• 在低氧条件下分析与NLRP3炎性酶介导的热死相关的基因数据.
• 评估VGAE和K-means集群在牙周炎基因表达分析中的性能.

主要方法:

• 使用NCBI GEO数据集GSE262663与暴露于缺氧的样本.
• 应用无监督的K-means集群用于识别生物数据中的自然分组.
• 采用变量图形自编码器 (VGAEs),这是一个深度学习模型,用于图形结构重建和基因数据分析.

主要成果:

• VGAE以99.42%的准确度和完美的精度实现了高性能.
• 该模型准确地预测了9,900个阳性样本中的4,080,其中5,820个是假阴性.
• VGAE的潜伏空间与原始数据有显著差异,表明了聚集的基因表达模式.

结论:

• 在牙周炎研究中,VGAE显示了准确的基因表达模式重建的巨大潜力.
• 作为分析牙周炎复杂生物数据的工具,K-means集群和VGAE显示出希望.
• 这些方法可以帮助了解牙周病中的基因表达动态和炎症途径.