机器学习和基于SHAP的RNASE1的识别,将环境内分泌干扰化学物质暴露与动脉样硬化相关联

科学领域:

• 环境健康 环境健康
• 分子毒理学分子毒理学
• 心血管疾病的研究研究.

背景情况:

• 环境内分泌干扰化学物质 (EDC) 与心脏代谢障碍有关.
• EDCs导致动脉样硬化 (AS) 的确切机制尚未完全理解.

研究的目的:

• 确定关键的分子标和途径,将EDC暴露与AS联系起来.
• 评估AS中确定的分子标记物的诊断和预测潜力.

主要方法:

• 网络毒理综合数据库 (ChEMBL,STITCH,SwissTargetPrediction) 用于识别EDC的目标.
• 对基因表达综合 (GEO) 数据集的分析确定了AS中差异表达的基因.
• 使用了机器学习算法 (LASSO,SVM-RFE) 和路径丰富分析 (KEGG-GSEA).
• 沙普利添加式解释 (SHAP) 量化特征的重要性.

主要成果:

• 1294个非冗余的EDC标基因被丰富在脂质,AS和内分泌抵抗路径中.
• 从AS数据集中确定了11个强大的候选基因,其中NTRK3和RNASE1与EDC目标相交.
• 接收器操作特征 (ROC) 分析显示NTRK3 (AUC=0.777),RNASE1 (AUC=0.859) 和组合 (AUC=0.871) 的高诊断性能.
• 与NTRK3 (平均SHAP=0.005) 相比,RNASE1成为主要预测因子 (平均SHAP=0.215).

结论:

• NTRK3和RNASE1被确定为EDC暴露和AS之间的关键分子联系.
• RNASE1是一种新且占主导地位的预测因子,表明它在环境心血管风险评估和预防方面具有重要的机械作用和临床实用性.