一种心衰风险预测和神经网络模型的构建方法技术

本发明专利技术属于生物技术技术领域，具体的说是一种心衰风险预测和神经网络模型的构建方法，该构建方法如下所示：S1：DCM数据集的预处理；S2：功能富集分析；S3：关键衰老相关基因(ARGs)的筛选；S4：风险预测模型与人工神经网络模型的构建；S5：心力衰竭患者免疫浸润的评价；S6：统计学分析；本发明专利技术提供一种心衰风险预测和神经网络模型的构建方法，旨在基于生物信息学和机器学习寻找HF中衰老相关的特征基因，利用筛选到的关键ARGs构建HF的风险预测模型和遗传诊断模型，为临床诊治和疾病预防提供帮助。为临床诊治和疾病预防提供帮助。为临床诊治和疾病预防提供帮助。

【技术实现步骤摘要】
一种心衰风险预测和神经网络模型的构建方法


[0001]本专利技术属于生物技术
，具体的说是一种心衰风险预测和神经网络模型的构建方法。

技术介绍

[0002]心力衰竭(HF)是一种复杂的临床综合征，其特征是心脏无法泵出足够的血液和氧气来满足其他器官代谢过程的需求；全球大约有6430万人患有心力衰竭,随着人口年龄的增长，心力衰竭的发生率也在增加；心衰的预后已大大改善，因为初步临床试验表明，心衰患者可以显著改变其暗淡的预后，然而，即便如此，HF患者的预后和生活质量仍然很差，在年龄和危险因素调整的模型中，HF事件使死亡风险增加了5倍，尽管遵循指南可以显著改善HF患者的预后，但5年死亡率仍然高达75％，因此，研究HF发展的确切分子机制对加强疾病的治疗至关重要。
[0003]衰老是一个与时间相关的过程，与许多生理系统的逐渐衰退有关是心血管疾病的一个关键危险因素，心血管疾病占全球死亡率的30％以上，在衰老过程中，所有组织的细胞过程逐渐恶化，主要涉及过度氧化应激、慢性低度炎症、细胞衰老、基因组不稳定性、端粒磨损以及线粒体代谢功能障碍等。此外，衰老本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心衰风险预测和神经网络模型的构建方法，其特征在于，该构建方法如下所示：S1：DCM数据集的预处理；S2：功能富集分析；S3：关键衰老相关基因(ARGs)的筛选；S4：风险预测模型与人工神经网络模型的构建；S5：心力衰竭患者免疫浸润的评价；S6：统计学分析。2.根据权利要求1所述的一种心衰风险预测和神经网络模型的构建方法，其特征在于，所述S1中DCM数据集的预处理的方法如下所示：A1：从基因表达综合(GEO)数据库中下载HF数据集(GSE57338andGSE116250)，该数据集包括177名心力衰竭患者和136名正常人；A2：使用R包和Perl编程对原始数据集进行预处理，包括后台校准和归一化，同时从人类衰老基因组资源中获得307个人类衰老相关基因；A3：使用“limma”包对这些基因进行了差异表达分析，并鉴定出10个差异表达的ARGs(DE
‑
ARGs)，DE
‑
ARGs的筛选条件使用调整后的p值<0.05and|log2Foldchange(FC)|≥0.5，其中GSE116250作为后续模型验证的试验组。3.根据权利要求1所述的一种心衰风险预测和神经网络模型的构建方法，其特征在于，所述S2中功能富集分析的方法的如下所示：B1：通过“clusterProfiler”R包完成基因本体(GO)和京都基因与基因组百科全书(KEGG)通路，分析DE
‑
ARGs富集的功能通路；B2：通过R中的“clusterProfiler”包和“DOSE”包对DE
‑
ARGs进行疾病本体(DO)富集分析，经校正p值<0.05；B3：从MSigDB数据库(version7.5.1)获得“c2.cp.kegg.v7.5.1.symbols”和“c5.go.v7.5.1.symbols”文件用于GSEA分析(26)，分别在心衰患者和正常人中显示了前5个活跃通路。4.根据权利要求1所述的一种心衰风险预测和神经网络模型的构建方法，其特征在于，所述S3中关键衰老相关基因(ARGs)的筛选的方法如下所示：C1：采用最小绝对收缩和选择算子(LASSO)、支持向量机
‑
递归特征消除(SVM
‑
RFE)和随机森林(RF)三种机器学习方法从De
–
ARGs中筛选关键ARGs；C2：LASSO是一种利用正则化来提高预测精度的回归分析算法，使用R中的“g...

【专利技术属性】
技术研发人员：余威，黄晶，谭兴灵，刘一恒，刘涵，刘小株，
申请(专利权)人：重庆医科大学，
类型：发明
国别省市：