XiaoMi-AI文件搜索系统
World File Search System年龄层
构建人类表型组多基因评分与循环代谢生物标志物之间的关联图谱
背景：多基因评分 (PGS) 正成为一种预测复杂疾病风险的越来越流行的方法，尽管它们也有可能深入了解具有较高遗传易感性疾病的患者的分子谱。方法：我们试图构建一个关联图谱，该图谱使用全基因组关联研究的结果得出 125 种不同的 PGS 与英国生物库中多达 83,004 名参与者的 249 种循环代谢物之间的关联。结果：为了证明该图谱的价值，我们对与糖蛋白乙酰基 (GlycA)（一种炎症生物标志物）的所有关联进行了无假设评估。使用双向孟德尔随机化，我们发现突出显示的关联可能反映了肥胖或吸烟倾向等风险因素对全身炎症的影响，而不是相反的方向。此外，我们在年龄层中重复了图谱中的所有分析，以调查碰撞偏差的潜在来源，例如药物使用。通过比较最年轻和最年长年龄层中脂蛋白脂质谱与冠状动脉疾病 PGS 之间的关联可以证明这一点，这两个年龄层接受他汀类药物治疗的个体比例不同。最后，我们生成了所有 PGS-代谢物关联，并按性别分层，并在排除 13 个已确定的脂质相关基因座后单独进行，以进一步评估研究结果的稳健性。结论：我们设想，我们研究中构建的结果图谱将激发未来的假设生成，并有助于优先考虑和降低循环代谢特征的优先级，以便进行深入研究。所有结果都可以在 http://mrcieu.mrsoftware.org/metabolites_PRS_atlas 进行可视化和下载。资金：这项工作得到了威康信托基金、英国心脏基金会和医学研究委员会综合流行病学部的资助。
使用机器学习和物联网预测心脏病......
如今，社会上各个年龄层的心脏病发病率都在上升。因此，有必要建立机器学习系统，以便能够在早期发现和预防心脏病的迹象。还必须有一个方便且同时值得信赖的机制。因此，我们建议创建一个应用程序，可以根据年龄、性别、心电图、心率、胸痛、胆固醇、血压、血糖等基本症状预测心脏病的可能性。该方法将使用使用机器学习算法训练的各种模型，例如支持向量机、朴素贝叶斯分类器和决策树。将测量和区分该方法的准确性，以选择用于评估心脏病的最佳模型。在线医疗保健的最新进展可用于物联网和传感应用。在医疗领域，物联网设备和云计算技术用于管理大量数据。