| 基于机器学习的骨肉瘤双硫死亡基因诊断模型建立与分析 |
| 投稿时间：2023-09-26 修订日期：2023-10-09 点此下载全文 |
| 引用本文：李威材,秦刚,何凯毅,刘金富,范以东,吴广涛,胡坤杏.基于机器学习的骨肉瘤双硫死亡基因诊断模型建立与分析[J].医学研究杂志,2024,53(8):62-68 |
| DOI：
10.11969/j.issn.1673-548X.2024.08.013 |
| 摘要点击次数: 539 |
| 全文下载次数: 675 |
|
| 基金项目:国家自然科学基金资助项目(82360939、81860793)；广西自然科学基金资助项目(2020JJA140375) |
|
| 中文摘要:目的 通过机器学习算法鉴定与骨肉瘤(osteosarcima,OS)双硫死亡相关的特征基因,构建诊断预测模型,为进一步探索OS早期诊断的潜在生物学标志物和分子机制提供理论支持。方法 差异表达分析用于鉴定OS双硫死亡差异表达基因(differential expression disulfidptosis-related gene,DE-DRG),通过最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)、支持向量机(support vector machines, SVM)和随机森林(random forest,RF)算法进一步鉴定具有诊断价值的OS双硫死亡特征基因,通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估其诊断价值；同时构建评估疾病风险的列线图,并通过校准曲线和临床决策曲线评估列线图的有效性能。实时荧光定量聚合酶链反应(real-time quantitative polymerase chain reaction,RT-qPCR)检测特征基因在OS组织的表达量。结果 共鉴定出2个具有较高诊断价值的OS双硫死亡特征基因(NDUFA11、RPN1),所构建的列线图对预测疾病风险具有较高的可靠性。RT-qPCR检测结果显示,在OS组织中,NDUFA11表达显著降低,而RPN1表达则显著升高(P<0.01)。结论 本研究构建的OS双硫死亡基因诊断模型具有一定的诊断价值。 |
| 中文关键词:骨肉瘤 双硫死亡 诊断模型 机器学习 |
| |
|
|
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
