基于DeepGCFS算法的高血压基因表达生物标志物的识别.
Zongjin Li1, Liqin Tian2,3, Libing Bai2
1College of Science, North China University of Science and Technology, Tangshan, China.
PloS one
|January 24, 2025
概括
一个新的深度图集群算法识别了显著的高血压基因生物标志物. 这种方法提高了分类准确性,为了解和治疗这一全球健康问题提供了强大的工具.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 高血压是全球主要的健康问题,也是心血管死亡的主要原因.
- 从基因表达数据中识别可靠的高血压生物标志物是具有挑战性的,因为样本大小小小和高维度.
- 了解高血压机制对于有效的预防和治疗策略至关重要.
研究的目的:
- 开发一种新的算法,用于识别具有生物学意义的高血压基因生物标志物.
- 在基因表达数据分析中克服小样本大小和高维度的局限性.
- 提高高血压生物标志物发现的准确性和可靠性.
主要方法:
- 提出了一个深度图形集群特征选择 (DeepGCFS) 算法.
- 利用图形网络和图形神经网络 (GNN) 来建模基因相互作用.
- 雇佣链接预测,自主监督学习,混合集群和集成功能选择.
主要成果:
- DeepGCFS算法确定了十个显著差异化的高血压生物标志物.
- 获得了97.50%的分类性能AUC,优于现有方法.
- 在一个单独的数据集 (GSE113439) 上验证了结果,AUC为95.45%,并确定了七个重要的基因.
- 之前报告的六个与高血压相关的基因是已识别的生物标志物之一.
- 与其他方法相比,证明了优越的基因特征向量集群性能.
结论:
- 该DeepGCFS算法有效地识别了具有生物意义的高血压基因生物标志物.
- 拟议的方法为高血压生物标志物的发现和分析提供了显著的优势.
- 这种方法有望促进高血压研究和临床应用.
