相关实验视频
Updated: May 22, 2025
06:16
mirMachine: A One-Stop Shop for Plant miRNA Annotation
Published on: May 1, 2021
2.5K
使用机器学习进行基于miRNA的精神分裂症诊断
Vishrut Heda1, Saanvi Dogra2, Valentina L Kouznetsova3,4
1Scholars Program, CureScience Institute, San Diego, CA 92121, USA.
International journal of molecular sciences
|March 13, 2025
概括
使用失调微RNA (miRNA) 的机器学习模型显示出诊断精神分裂症的前景. 一个序列神经网络实现了94.32%的准确性,为精神病诊断提供了潜在的生物标志物.
科学领域:
- 神经科学是一个神经科学.
- 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:
- 由于缺乏稳定的生物标志物,目前的精神分裂症诊断方法缺乏可靠性.
- 机器学习 (ML) 为改善精神分裂症和其他神经系统疾病的诊断提供了一个有希望的途径.
研究的目的:
- 通过机器学习研究失调的microRNAs (miRNAs) 作为精神分裂症诊断的潜在生物标志物的实用性.
- 根据miRNA表达特征开发和评估用于识别精神分裂症的ML模型.
主要方法:
- 调节失调的miRNA从公共数据库中提取并从文献中整理.
- 包括选定的miRNA,基因标和途径在内的数据集被用作ML模型的特征.
- 模型使用WEKA和TensorFlow进行训练和分类,并对各种分类器进行评估.
主要成果:
- 开发的顺序神经网络 (SNN) 模型在分类精神分裂症方面取得了最高的准确性 (94.32%).
- 纯粹的贝叶斯分类器以72.23%的准确度显示了第二好的性能.
- 验证测试证实了SNN的稳定性,达到88.88%的准确性,而天真贝叶斯达到了72.22%.
结论:
- 当通过机器学习分析失调的miRNAs时,它证明了作为精神分裂症诊断辅助的实际实用性.
- 这种方法有可能帮助医生诊断精神分裂症和可能其他神经疾病.
