使用自编码器和生成AI方法预测脉炎症和再生中的枢纽基因
Pradeep K Yadalam1, Jogikalmat Krithikadatta2, Prabhu M Natarajan3
1Department of Periodontics, Saveetha Institute of Medical and Technology Sciences, SIMATS, Saveetha Dental College, Saveetha University, Chennai, Tamil Nadu, India.
Scientific reports
|July 19, 2025
概括
这项研究使用生成性AI来预测脉炎症和再生中的关键基因,为内牙治疗提供了新的治疗点.
科学领域:
- 生物医学信息学 生物医学信息学
- 分子生物学分子生物学
- 再生医学是一种再生医学.
背景情况:
- 脉炎症和再生对于成功的内牙治疗至关重要.
- 转录学研究涉及促炎性细胞因子,NF-κB信号传递和干细胞活性.
- 识别关键基因对于理解这些过程和开发疗法至关重要.
研究的目的:
- 采用一种生成性AI方法来预测和重建脉炎症和再生中的枢纽基因.
- 了解生物机制,并确定潜在的治疗点.
- 评估自动编码器在这个预测建模任务中的实用性.
主要方法:
- 使用GEO2R和Cytoscape.com对GSE255672数据的差异基因表达分析.
- 构建一个蛋白质-蛋白质相互作用网络,并通过CytoHubba (最大集群集中性) 识别枢纽基因.
- 自动编码器的应用用于数据压缩和对规范基因表达数据的分类器培训.
主要成果:
- 一个基于自动编码器的模型实现了76.92%的预测准确度.
- 该模型表现出强的性能,精确回忆AUC为0.9214和ROC AUC为0.7333.
- 预测和实际分类之间的中等相关性表明可以进行优化.
结论:
- 自动编码器显示出预测参与脉炎症和再生的枢纽基因的潜力.
- 这些发现可以为提高脉健康的个性化策略提供信息.
- 这项研究强调了一种新的AI驱动的方法,用于识别牙周内科的治疗点.
