基于心力衰竭端粒相关基因的人工神经网络模型

摘要

目的建立基于基因表达综合数据库(Gene Expression Omnibus,GEO)心力衰竭(heart failure,HF)端粒相关基因的随机森林(random forest,RF)和人工神经网络(artificial neural network,ANN)联合诊断模型并评价其效果。方法收集GEO数据库中心力衰竭患者的资料,将GSE5406与GSE84796合并为训练数据集,GSE21610作为验证数据集,使用随机森林筛选心力衰竭中端粒相关的特征基因,使用特征基因构建用于诊断心力衰竭的人工神经网络模型。使用验证数据集对模型进行验证,通过曲线下面积(area under the curve,AUC)分析评价模型的临床应用价值。结果鉴定出28个在心力衰竭患者和正常样本中存在差异的端粒相关基因,进一步通过随机森林筛选得到最相关的6个特征基因(HMGN2、TRMT5、ATP1A1、CCT2、HSP90AA1、ATP2A2),并构建人工神经网络诊断模型。使用该模型,绘制了训练组和验证组诊断的受试者操作特征(receiver operating characteristic,ROC)曲线,曲线下面积分别为0.958和0.751。结论本研究构建了6个端粒相关基因的人工神经网络诊断模型,可能用于临床诊断心力衰竭,可以为探索心力衰竭的治疗及相关机制提供新的视角。