机器学习揭示了共享的诊断生物标志物和与年龄相关的听力损失和肉类的融合途径
1Department of Otolaryngology, Shangyu People's Hospital of Shaoxing, Shaoxing University, Shaoxing, Zhejinag Province, China.
Medicine
|October 25, 2025
概括
与年龄相关的听力损失和石病有着共同的分子驱动因素. 研究人员确定了10个枢纽基因作为这些常见老年综合征的潜在生物标志物,提供了新的诊断可能性.
科学领域:
- 老年学和分子生物学
- 生物标志物发现发现
- 基因组学和生物信息学
背景情况:
- 与年龄相关的听力损失 (HL) 和与年龄相关的肉症 (ARS) 是常见的老年病症.
- 这两种综合征都有共同的潜在风险因素和致病机制.
- 识别共享的生物标志物可以改善对这些普遍疾病的理解和诊断.
研究的目的:
- 为了确定与年龄相关的听力损失和肉症之间的共享生物标志物.
- 阐明这些老年综合征背后的融合致病机制.
- 为HL和ARS开发使用机器学习的诊断框架.
主要方法:
- 来自公共数据库的转录数据分析.
- 不同基因表达和通路丰富分析.
- 机器学习算法 (LASSO,SVM-RFE,随机森林) 用于枢纽基因识别.
- 在多个队列中分析接收器操作特征 (ROC) 曲线,以评估诊断性能.
主要成果:
- 在HL和ARS之间发现了明显但重叠的分子签名.
- 11个上调和16个下调的基因被确定为共享的.
- 十个枢纽基因 (AIMP2,JUN,SEMA5A,RASL12,GUSB,C1QA,GYPC,IRF7,C1QB,SERPING1) 被确定为潜在的共享生物标志物.
- 这些枢纽基因表现出显著的诊断效用,10基因模型在几个队伍中实现了高的曲线下面面积 (AUC) 值.
结论:
- 这项研究提出了一个新的机器学习框架,用于发现HL和ARS的共同分子驱动因素.
- 十个枢纽基因被提出为与年龄相关的听力损失和肉症的有前途的诊断生物标志物.
- 需要进一步验证,特别是考虑到某些数据集中的样本大小,以确认诊断的稳定性.
