分类模式 基于深度学习的心力衰竭中免疫细胞死亡相关基因的识别
Zhihui Ma1, Shixin Ma2, Bin Chen1
1Department of Cardiology, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, 200233, China.
Scientific reports
|February 15, 2025
概括
这项研究通过探索免疫细胞死亡 (ICD) 和应用深度学习,揭示了不同的心力衰竭 (HF) 亚型. 结果确定了新的诊断基因和潜在的治疗点,以改善HF分类和治疗.
科学领域:
- 心脏病学 心脏病学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 心力衰竭 (HF) 是一种普遍的疾病,特别是在老年人中,症状包括胸部紧张和呼吸短促.
- 免疫性细胞死亡 (ICD) 在瘤免疫力中至关重要,但其在HF中的作用仍然在很大程度上未被探索.
- 准确的HF分类和治疗目标的识别对于患者的治疗结果至关重要.
研究的目的:
- 探索ICD在HF中的作用,并确定新的HF亚型.
- 应用深度学习模型来增强高频分类和与诊断相关的基因识别.
- 为了发现HF管理的潜在治疗目标.
主要方法:
- 深度学习编码器模型被用于基于ICD相关基因对高压患者进行集群.
- 分析了差异表达的基因,以改进HF亚型并评估免疫透.
- 机器学习技术识别了与诊断相关的基因,从而构建了名ogram模型.
主要成果:
- 通过ICD相关的基因聚类,确定了不同的HF亚型.
- 在各HF亚型中观察到免疫透和功能丰富的显著变化.
- 一个诊断模型在内部和外部验证集中显示出高性能 (AUC > 0.99).
结论:
- 这项研究通过整合ICD探索和深度学习,为HF提供了新的见解.
- 该研究成功地确定了不同的HF亚型和潜在的诊断/治疗点.
- 这些发现有助于更深入地了解HF病理生理学,并为改进治疗策略铺平道路.
