基于机器学习筛选和验证严重创伤早期的细胞程序性死亡核心基因
姚乐1
刘志兵1
韩振远1
陆冠宇1
王鑫2
1.北海市人民医院急诊医学科,广西 北海 5360002.川北医学院影像学院 2021 级,四川 南充 637000
摘要：目的 基于机器学习筛选和验证严重创伤早期的细胞程序性死亡(PCD)核心基因,并探讨其生物学机制.方法 通过GEO数据库检索符合条件的严重创伤早期(创伤发生后 12 h内)基因芯片,对其进行标准化处理,并将其分成训练集和测试集,将训练集作为后续实验的数据集,通过差异分析获得 19 种PCD相关差异基因.利用蛋白质互作网络分析获取了网络关键基因,随后采用随机森林、最小绝对收缩和选择算子、极端梯度提升、梯度提升机、弹性网络从这些基因中进一步筛选,取交集获得核心基因.绘制训练集和测试集受试者工作特征(ROC)曲线加以验证.结果 训练集中共得到 416 个差异表达程序性死亡基因,通过蛋白互作分析进一步获得 10 个网络关键基因.使用机器学习算法筛选出 4 个核心基因STAT3、IL-10、HDAC1、PIK3R1,在训练集和测试集绘制ROC曲线的AUC值均＞0.9 且差异表达一致.结论 阶段性地采用机器学习方法筛选出严重创伤早期与程序性死亡相关的核心基因,探讨了这些基因通过调控细胞程序性死亡途径影响免疫稳态重塑与炎症反应,进而驱动创伤病理进程的潜在机制,但其具体分子机制有待后续实验验证.
关键词：严重创伤细胞程序性死亡机器学习
分类号：R641(创伤外科学)
论文发表日期：2025-05-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 389-393 )
英文信息