结合铁死亡建立遗传算法优化的反向传播神经网络脓毒症预后模型OA北大核心CSTPCD
Combined machine learning with ferroptosis to establish the prognosis model for sepsis based on backward propagation neural network optimized using genetic algorithm
目的 将铁死亡与机器学习相结合,建立一种基于遗传算法的反向传播网络(GA-BPNN)模型,以预测脓毒症患者的28d存活情况.方法 通过高通量基因表达数据库(GEO)下载脓毒症相关数据.从分子签名数据库(MSigDB)下载与铁死亡相关的基因65个.使用基因集富集分析(GSEA)、基因集变异分析(GSVA)、加权基因共表达网络分析(WGCNA)和蛋白质-蛋白质相互作用(PPI)网络分析筛选脓毒症患者的铁死亡相关基因.同时利用短时间序列挖掘分析(STE…查看全部>>
Objective Combining ferroptosis with machine learning,a backward propagation network model based on a genetic algo-rithm(GA-BPNN)was established to predict the 28-day survival of sepsis patients.Methods Data related to sepsis were downloaded from gene expression omnibus(GEO).A total of 65 genes associated with ferroptosis were downloaded from molecular signatures database(MSigDB).The gene set enrichment analysis(GSEA),gene set variation analysis(GSVA),weight…查看全部>>
曾媛媛;常莉;池晴佳;封顺;田菲菲
西南交通大学生命科学与工程学院生物工程系,成都 610036西南交通大学生命科学与工程学院生物工程系,成都 610036武汉理工大学理学院工程结构与力学系,武汉 430070西南交通大学生命科学与工程学院生物工程系,成都 610036西南交通大学生命科学与工程学院生物工程系,成都 610036
生物工程
脓毒症铁死亡生物标志物预后模型
sepsisferroptosisbiomarkerprognostic model
《中国医科大学学报》 2024 (4)
295-301,7
国家自然科学基金(22174117)
评论