期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习算法构建抗中性粒细胞胞质抗体相关性血管炎伴肾小球性肾炎的诊断预测模型
1
作者 王俭梅 朱戈丽 +1 位作者 曹晨麟 彭清泉 《临床肾脏病杂志》 2025年第2期89-97,共9页
目的 联合运用随机森林与人工神经网络算法构建抗中性粒细胞胞质抗体(antineutrophil cytoplasmic antibodies, ANCA)相关性血管炎(ANCA-associated vasculitis, AAV)伴肾小球性肾炎的诊断模型。方法 从GEO和Array Express数据库下载分... 目的 联合运用随机森林与人工神经网络算法构建抗中性粒细胞胞质抗体(antineutrophil cytoplasmic antibodies, ANCA)相关性血管炎(ANCA-associated vasculitis, AAV)伴肾小球性肾炎的诊断模型。方法 从GEO和Array Express数据库下载分析所用的数据集(GSE108113和GSE104948为训练集,E-MTAB-1944为验证集),并在AAV伴肾小球性肾炎样本和正常对照样本中鉴定出差异基因。针对差异基因,进行了GO、KEGG富集分析并构建了蛋白质–蛋白质相互作用(protein protein interaction,PPI)网络。应用随机森林和人工神经网络算法进一步筛选特征基因,并构建和验证诊断模型。结果 鉴定出380个差异基因,其中194个显著上调,186个显著下调。富集结果显示差异基因多与免疫反应和代谢过程相关的通路有关。EHHADH、CCL2、FN1、IL1B、VAV1、CXCR4、CCL5、CD44位于PPI网络的核心。随机森林算法筛选出15个特征基因,人工神经网络算法计算每个特征基因的权重并成功构建了诊断模型。该模型具有显著的预测能力,曲线下面积(area under curve,AUC)1.000。验证队列的AUC为0.808,进一步证实了模型的准确性。结论 本研究运用机器学习算法成功鉴定了AAV伴肾小球肾炎的特征性生物标志物,并构建了诊断模型。该模型可为疾病早期诊断提供可靠参考,并为发病机制的研究提供新的视角。 展开更多
关键词 抗体 抗中性粒细胞胞质血管炎 急进性肾小球肾炎 机器学习 人工神经网络 诊断模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部