机构名称：
¥ 1.0
摘要背景和目的：心脏功能缺陷会导致心脏中细胞外基质蛋白的过度积聚。本研究旨在使用机器学习算法研究和分析与心脏纤维化有关的 miRNA。方法：从公共来源和相关临床数据库收集与健康个体和心脏纤维化患者中 miRNA 表达相关的数据集。我们选择了 50 人作为研究对象，其中包括 25 名健康对照者和 25 名心脏纤维化患者。采用不同的机器学习算法，包括支持向量机、随机森林和人工神经网络来分析、分类和预测 miRNA 表达变化在心脏纤维化中的作用。通过留一交叉验证和独立数据集对机器学习模型的验证有效地支持了结果的稳健性。报告的准确性、敏感性和特异性指标令人印象深刻。结果：两组间共发现 78 个 miRNA 存在差异表达（调整 P < 0.05），与对照组相比，心脏纤维化组有 47 个 miRNA 上调，31 个 miRNA 下调。比较每种方法选出的前 10 个 miRNA，并确定一组一致的 5 个 miRNA（miR-21-5p、miR-29a-3p、miR-29c-3p、miR-30b-5p 和 miR-133a-3p）作为区分心脏纤维化和对照样本最具参考价值的特征。结果显示，与对照组相比，心脏纤维化患者的 miR-21-5p、miR-29a-3p 和 miR-29c-3p 表达增加。相反，与患者相比，正常受试者中 miR-30b-5p 和 miR-133a-3p 的表达增加。发现具有径向基函数核的 SVM 算法是性能最佳的模型，其准确率为 92%，灵敏度为 88%，特异性为 96%，受试者工作特征曲线下面积 (AUC-ROC) 为 0.95。结论：总体而言，对患者体内 miRNA 的评估可作为监测患者和应用治疗策略的生物标志物。关键词：miRNA、心脏纤维化、机器学习、网络分析、生物标志物资金：无*本作品已根据 CC BY-NC-SA 许可发表。版权所有 © 作者引用本文为：Amin A、Rashki Ghalehnoo S、Mohajerian A、Samadi P、Torabahmadi A、Ahadi S、Hasanvand A、Nikdoust F。评估与心脏纤维化有关的 miRNA：基于机器学习的方法。伊朗红新月会医学杂志。2024,54.1-10。
参与心脏纤维化的 miRNA 评估
主要关键词
相关文件推荐
