文献类型：期刊文章

作　　者：曾媛媛[1] 常莉[1] 池晴佳[2] 封顺[1] 田菲菲[1]

ZENG Yuanyuan;CHANG Li;CHI Qingjia;FENG Shun;TIAN Feifei(Department of Bioengineering,School of Life Sciences and Engineering,Southwest Jiaotong University,Chengdu 610036,China;Department of Engineering Structure and Mechanics,School of Science,Wuhan University of Technology,Wuhan 430070,China)

机构地区：[1]西南交通大学生命科学与工程学院生物工程系,成都610036 [2]武汉理工大学理学院工程结构与力学系,武汉430070

出　　处：《中国医科大学学报》

基　　金：国家自然科学基金(22174117)。

年　　份：2024

卷　　号：53

期　　号：4

起止页码：295-301

语　　种：中文

收录情况：BDHX、BDHX2023、CAB、CAS、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：目的将铁死亡与机器学习相结合,建立一种基于遗传算法的反向传播网络(GA-BPNN)模型,以预测脓毒症患者的28 d存活情况。方法通过高通量基因表达数据库(GEO)下载脓毒症相关数据。从分子签名数据库(MSigDB)下载与铁死亡相关的基因65个。使用基因集富集分析(GSEA)、基因集变异分析(GSVA)、加权基因共表达网络分析(WGCNA)和蛋白质-蛋白质相互作用(PPI)网络分析筛选脓毒症患者的铁死亡相关基因。同时利用短时间序列挖掘分析(STEM)筛选与脓毒症发展进程相关的基因,并与脓毒症患者铁死亡相关基因取交集,获得脓毒症预后的关键基因。在传统的反向传播网络(BPNN)的基础上,采用遗传算法(GA)优化权值和阈值,建立脓毒症预后预测GA-BPNN模型。结果脓毒症存活组和未存活组之间铁死亡相关基因集活性差异显著。共筛选出97个脓毒症铁死亡相关基因。同时确定了191个在脓毒症发展进程中显著上调或下调的基因。取交集基因建立脓毒症四基因预测预后GA-BPNN模型。在训练集中经过迭代后训练的均方误差在0.05以下,曲线下面积(AUC)为0.98。为验证GA-BPNN模型的泛化能力和分类效果,在外部数据验证集中,将GA-BPNN模型与支持向量机(SVM)、BPNN和随机森林(RF)进行比较。结果表明,在验证集中GA-BPNN模型的AUC值均为0.92,高于SVM、RF和BPNN。结论基于GA-BPNN提出了四基因模型预测脓毒症患者的预后效果是可靠且稳定的,为脓毒症中的铁死亡提供新的见解。

关 键 词：脓毒症 铁死亡  生物标志物 预后模型

分 类 号：Q811.4[生物工程类] R449]