准确的道路:机器学习和生物信息学在糖尿病中的基因表达研究研究
Tahmineh Aldaghi1, Ashley Chrissan2, Jan Muzik1,3
1Institute of Biophysics and Informatics, First Faculty of Medicine, Charles University, Prague, Czech Republic.
Journal of diabetes and metabolic disorders
|December 22, 2025
概括
了解糖尿病病原体是关键的. 本综述强调了糖尿病研究中生物信息学和机器学习的进步,重点关注生物标志物和个性化治疗的分子原因.
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.
- 代谢障碍 代谢障碍 代谢障碍
背景情况:
- 糖尿病是一种关键的代谢障碍,需要深入了解其致病机制.
- 确定糖尿病的分子原因至关重要,生物标志物分析,机器学习和生物信息学发挥着至关重要的作用.
研究的目的:
- 总结糖尿病研究当前的进展.
- 突出生物信息学,基因表达分析和糖尿病机器学习应用的进展.
- 在最近的糖尿病研究中确定关键技术和应用.
主要方法:
- 在Google Scholar,PubMed和Scopus上进行了系统的文献搜索.
- 关键词包括"糖尿病"",生物标志物"",生物信息学"和"机器学习".
- 文章选择遵循了PRISMA指南,重点关注2020年至2024年间发表的开放访问英语文章,结果有96项研究被选中.
主要成果:
- 微阵列是主要的数据采集技术 (70次).
- 基格路径分析是最常用的生物信息学方法 (84个实例),其次是机器学习的LASSO (43) 和PCA (47).
- 诊断应用 (51) 比预后应用 (45) 更频繁.
结论:
- 在当前的糖尿病研究中,KEGG路径分析和微阵列数据至关重要.
- 报告指出,新技术如RNA-seq和单细胞RNA-seq的利用不足.
- 集成先进的生物信息学,机器学习和临床数据对于精准医学和个性化糖尿病治疗至关重要.


