改进机器学习检测阿尔茨海默病使用增强的鱼基因选择阿尔茨海默病基因表达数据集的阿尔茨海默病
1Department of Electrical and Computer Engineering, Altınbaş Üniversitesi, Istanbul, Turkey.
PeerJ. Computer science
|September 24, 2025
概括
这项研究引入了一种改进的曼塔捕食优化算法,用于阿尔茨海默病 (AD) 基因选择. 改进的算法有效地识别了关键基因,提高了这种神经退行性疾病的诊断准确度.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
背景情况:
- 阿尔茨海默病 (AD) 是一种主要的神经退行性疾病.
- 由于复杂的病理和遗传因素,早期AD诊断很困难.
- 高维基遗传数据为准确的预测带来了诸如"维度诅咒"之类的挑战.
研究的目的:
- 解决阿尔茨海默病遗传数据集中的"维度诅咒".
- 为改善AD预测提出一种高效的基因选择方法.
- 提高机器学习模型在识别AD相关基因方面的性能.
主要方法:
- 采用了无参数的鱼捕食优化 (MRFO) 算法来进行基因选择.
- 实施了对MRFO的"符号随机突变"和"最佳排名"的改进.
- 在使用四个机器学习分类器对六个不同的微阵列数据集进行了评估.
主要成果:
- 增强的MRFO算法显著改善了基因探索和利用能力.
- 实现了与阿尔茨海默病相关的相关基因的有效鉴定.
- 观察到机器学习对阿尔茨海默病的预测准确性的实质性改进.
结论:
- 提议的增强MRFO算法有效地克服了AD遗传研究中的"维度诅咒".
- 这种方法可以更准确地识别AD相关基因.
- 该方法有望改善早期诊断和对阿尔茨海默病的理解.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.7K
06:41Quantitative Analysis of Mitochondria-Associated Endoplasmic Reticulum Membrane (MAM) Stabilization in a Neural Model of Alzheimer's Disease (AD)
Published on: January 10, 2025
1.2K
