换一批
换一批基于血液自噬相关基因构建的静脉血栓栓塞机器学习模型研究
Study of machine learning model for venous thromboembolism based on blood levels of autophagy-related genes
摘要：
目的 利用生物信息学构建自噬相关基因(autophagy related genes,ATGs)的静脉血栓栓塞(venous thromboembolism,VTE)诊断预测模型.方法 根据GSE19151数据集分析VTE人群的差异性 ATGs(differentially expressed autophagy-related genes,DE-ATGs)和免疫细胞浸润,建立最优机器学习模型并通过诺谟图、校准曲线、决策曲线分析和外部数据集验证模型的预测效率.结果 VTE患者中发现18个差异性表达的ATGs和差异的免疫细胞浸润.诺谟图、校准曲线和决策曲线分析证明机器学习模型对预测VTE具有一定的准确性,其中支持向量机器(support vector machine,SVM)机器学习模型对VTE的预测准确性最高.以SVM模型最重要的5个基因PRKCD、ULK1、CD46、PRKAR1A和FOS作为预测基因,在外部验证数据集表现出令人满意的性能,且与VTE患者的风险有关.结论 研究首次揭示自噬与VTE之间的关系,并建立最优的机器学习模型来评估VTE患者的风险.
更多
作者：
作者单位：
广西医科大学第一附属医院血管外科,广西南宁 530021
[1]
广西医科大学生物技术教研室,广西南宁 530021
[2]
期刊：
《中国血管外科杂志（电子版）》2024年16卷2期 162-171页
ISTIC
栏目名称：
论著
DOI：
10.3969/j.issn.1674-7429.2023.04.012
发布时间：
2024-08-08
基金项目：
广西重点研发计划
- 浏览：2
- 被引：0
- 下载：2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
