转录组衍生的人工神经网络预测PRRC2A作为的强有力的生物标志物

科学领域:

• 计算神经科学是一种计算神经科学.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 是一种神经系统疾病,其特点是由于大脑电活动异常而导致经常性发作.
• 生物信息学提供了强大的工具,可以在分子层面上理解神经系统疾病,并识别诊断生物标志物.
• 人工神经网络 (ANN) 是能够分析复杂生物数据集的计算模型.

研究的目的:

• 在患者中使用生物信息学方法识别差异表达基因 (DEGs).
• 评估已识别的基因作为的诊断生物标志物的潜力.
• 开发和评估用于症分类的人工神经网络模型.

主要方法:

• 使用DESeq2包进行DEG识别,检索和分析了NCBI的三个GEO数据集 (GSE190451,GSE140393,GSE134697).
• 采用WEKA软件与各种特征选择和分类算法来分析DEGs.
• 使用R Studio与已识别的显著基因构建了一个人工神经网络 (ANN) 模型,并使用"pROC"R包评估了它的性能.

主要成果:

• 在患者中确定了七个上调基因,由于特征选择统计数据较低,C4A后来被排除在外.
• 一个使用六个DEG的ANN模型实现了0.720的曲线下的面积 (AUC),表明了很好的分类准确性.
• 基因PRRC2A在ANN模型中显示了最高的概括重量值,这表明它在中起着重要的作用.

结论:

• 该研究成功地确定了PRRC2A作为的潜在诊断生物标志物.
• 人工神经网络与生物信息学分析相结合,提供了一种强大的方法来识别的生物标志物.
• PRRC2A的高表达值得进一步研究其在诊断中的临床实用性.