假肥大型肌营养不良的基因型-表型数据库和机器学习模型的构建

摘要

目的 构建假肥大型肌营养不良（pseudohypertrophic muscular dystrophy, PMD）数据库及机器学习模型，探究疾病的基因型-表型规律。方法 回顾性收集2010年1月—2024年12月就诊于中南大学湘雅医院的PMD患儿数据，以及1987年1月—2024年12月PubMed收录文献中报道的病例，构建基因型-表型数据库，通过微信小程序实现在线查询。基于该数据库，整合随机森林、极端梯度提升和轻量级梯度提升机3种算法，通过软投票集成策略构建针对微小变异所致临床表型的机器学习预测模型，并比较预测模型与阅读框规则的表型预测效能，同时基于Streamlit平台完成模型的在线部署。结果 数据库共纳入17 053例PMD患儿（本地队列472例，文献数据16 581例）。基于筛选后的微小变异数据集开展建模验证，在内部测试集中，机器学习模型的受试者操作特征曲线的曲线下面积（area under the curve, AUC）为0.924(95%CI:0.881～0.963)，优于阅读框模型的0.652(95%CI:0.591～0.717)，差异有统计学意义（P<0.001）。在外部测试集中，机器学习模型的AUC为0.854(95%CI:0.736～1.000)，阅读框模型的AUC为0.667(95%CI:0.500～1.000)，两者差异无统计学意义（P>0.05）。结论 该研究构建的PMD数据库与机器学习预测模型为PMD的表型预测提供了高效可靠的新工具。

关键词

假肥大型肌营养不良 / 阅读框规则 / 机器学习