基于使用机器学习算法的甲基化相关基因的骨关节炎诊断模型的研究
Xu Cui1, Houlin Ji2, Shengyang Guo1
1Department of Orthopedics, Shanghai University of Medicine and Health Sciences Affiliated Zhoupu Hospital, Shanghai, China.
Frontiers in genetics
|August 18, 2025
概括
这项研究开发了一种机器学习模型,使用甲基化基因来诊断骨关节炎 (OA). 该模型有效地识别了OA,为这种关节疾病提供了新的诊断方法.
科学领域:
- 基因组学就是基因组学.
- 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:
- 骨关节炎 (OA) 是一种具有复杂病因的退行性关节疾病.
- 甲基化基因的改变与OA的发病有关.
- 准确的OA诊断工具对于及时干预至关重要.
研究的目的:
- 开发一种用于骨关节炎的诊断模型,使用基于甲基化基因的机器学习算法.
- 分析OA中已识别的甲基化基因的预后价值和生物功能.
- 为了验证构建模型的诊断性能.
主要方法:
- 从GEO数据库中使用了人类骨关节炎和正常样本数据集 (GSE 63695,GSE162484).
- 分析了使用R软件识别差异甲基化基因 (DEGs) 的冠状细胞微阵列数据.
- 用户支持向量机器递归特征消除 (SVM-RFE) 和LASSO回归用于基因选择和模型构建,通过接收器操作特征 (ROC) 曲线进行验证.
主要成果:
- 在骨关节炎中确定了11个不同的甲基化基因 (7个上调,4个下调).
- 建立了一个结合ARHGEF10,ATP11A,NOTCH1,THSD4,NIPA1,SIM2,MAN1C1,ENDOG,CCNC,TAF5和VPS52的诊断模型.
- 该模型显示了高的诊断准确性,在各自的数据集中,曲线下的面积 (AUC) 值为0.96和0.93.
结论:
- 基于机器学习和甲基化相关基因的诊断模型可以有效地诊断关节炎.
- 鉴定出来的基因和模型有可能用于OA诊断的临床应用.
- 对这些基因的生物功能进行进一步的研究可能会揭示新的治疗点.
