相关实验视频
Updated: May 4, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.4K
使用机器学习方法预测糖尿病视网膜病变,该方法由全外体测序研究提供信息
Chong Yang She1, Wen Ying Fan2, Yun Yun Li2
1Department of Ophthalmology, Beijing Chao-Yang Hospital, Capital Medical University, Beijing 100020, China.
Biomedical and environmental sciences : BES
|February 9, 2025
概括
这项研究开发了一种机器学习模型,使用全外因子测序来预测糖尿病视网膜病变 (DR) 风险. 结合特定的单核酸多态 (SNPs) 显著提高了预测准确性,为早期DR检测提供了一个新的工具.
科学领域:
- 基因组学和精准医学精准医学
- 眼科医生 眼科 眼科
- 计算生物学 计算生物学
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者视力丧失的主要原因.
- 早期检测和风险预测对于有效管理和预防DR相关并发症至关重要.
- 目前的风险预测模型往往缺乏全面的遗传分析.
研究的目的:
- 开发和验证一种新的糖尿病视网膜病变 (DR) 风险预测模型.
- 利用整体外因子测序 (WES) 和机器学习 (ML) 进行增强的DR风险评估.
- 为了确定与DR易感性相关的特定遗传变异.
主要方法:
- 在DR谱系上进行了全外体序列测序 (WES),以识别单核酸多态 (SNP) 和突变.
- 通过420名2型糖尿病患者的遗传和人口统计数据构建和验证了一种机器学习 (ML) 预测模型.
- 使用Shapley添加式解释分析来评估特征贡献,比较具有和没有确定SNP的模型.
主要成果:
- 发现有7种SNP/突变与DR相关,包括TRIM7,LRBA,PRMT10,C9orf152,CLDN25,SH3GLB2和FANCC的变异.
- 结合rs146694895和rs201407189的预测模型表现出卓越的性能.
- 改进后的模型实现了80.2%的精度,83.3%的灵敏度,76.7%的特异性和80.0%的AUC.
结论:
- 确定了与糖尿病视网膜病变 (DR) 相关的新型单核酸多态 (SNP) 位点.
- 包括特定的SNP (rs146694895和rs201407189) 显著提高了机器学习模型的预测能力.
- 这种基于WES的ML方法为个性化DR风险预测提供了有前途的工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
6.8K
