AttBiomarker:通过两阶段的基因选择技术和基于注意力的CNN与基因调控网络分析揭示了孕前的生物标志物和分子途径
Sakib Sarker1, S M Hasan Mahmud2,3, Md Faruk Hosen3,4
1Department of Computer Science and Engineering, Uttara University, Turag, Uttara, Dhaka 1230, Bangladesh.
Briefings in bioinformatics
|September 18, 2025
概括
研究人员通过深度学习确定了与妊娠前相关的关键基因. 这些基因可以作为早期诊断生物标志物和潜在的治疗点,用于这种复杂的妊娠障碍.
科学领域:
- 生物医学信息学 生物医学信息学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 孕前是一种严重的妊娠并发症,其分子起源不明.
- 了解孕前的分子基础对于孕产妇和胎儿的健康至关重要.
- 现有的研究缺乏对孕前的全面分子洞察力.
研究的目的:
- 通过综合深度学习和生物信息学方法识别产前的新生物标志物.
- 揭示子前症的分子机制和潜在的治疗点.
- 为了提升早诊断和预先怀孕前的预后.
主要方法:
- 用了三个微阵列数据集进行孕前分析.
- 应用费舍尔分数和最小冗余性 对于基因选择的最大相关性.
- 开发和训练了一种基于注意力的卷积神经网络 (AttCNN) 用于分类.
- 进行了基因本体学,KEGG通路,蛋白质-蛋白质相互作用和基因调控网络分析.
- 进行了分子对接,以评估药物基因相互作用.
主要成果:
- 确定了58个与孕前相关的常见基因.
- 通过蛋白质-蛋白质相互作用网络分析发现了10个枢纽基因.
- 已证实七个枢纽基因 (HK2,SRSF10,SOD1,ERO1L,IRF3,MME和SH3BP5) 与孕前有很强的联系.
- 通过分子对接,通过HK2,SH3BP5,SOD1和孕前药物之间发现了显著的结合亲缘关系.
结论:
- 鉴定到的枢纽基因显示出潜在的预孕前预后和诊断的生物标志物.
- 这些基因代表了怀孕前症干预的有希望的治疗标.
- 这项研究为复杂疾病中的生物标志物发现提供了强大的框架.
更多相关视频
05:31Author Spotlight: Modeling an Aspect of Preeclampsia in Female Mice Using Hypoxic Human Placenta-Derived Small Extracellular Vesicles
Published on: January 26, 2024
1.2K
03:08Using Human Differentially Expressed Gene Lists to Perform Downstream Pathway Enrichment Analysis and Target Prioritization
Published on: October 3, 2025
907
