基于LASSO的非酒精性脂肪肝病的预测研究

摘要

目的 基于LASSO回归算法构建非酒精性脂肪肝(NAFLD)疾病预测模型并筛选出疾病潜在基因，以有效区分NAFLD患者与正常人群。方法 通过数据库获得GSE135251数据集(其中206个为不同纤维化阶段的NAFLD患者样本，10个为健康正常人样本),所有样本为高通量RNA测序获取的转录谱数据；应用Apriori算法对基因位点进行关联性分析，去除冗余或高度共现的基因，筛选出特征相关性较低的基因用于建立疾病预测模型，以实现特征降维；基于LASSO回归算法建立NAFLD疾病预测模型并筛选出NAFLD的疾病潜在基因；基于挑选出的疾病潜在基因，采用k-means无监督聚类方法对样本进行分组，并分析聚类结果与数据集中正常人及NAFLD患者分组之间的一致性。结果 基于建立的NAFLD疾病预测模型筛选出NAFLD疾病潜在基因为PCBP2、CEBPD、GC、DNAJC12和PTN,基于这5个疾病潜在基因可将样本聚类为正常人群和NAFLD患者，聚类轮廓系数约为0.63,Davies-Bouldin指数约为0.5。结论 通过关联性分析降维结合机器学习方法，可有效筛选NAFLD相关基因并实现样本分类预测，为疾病机制研究及临床应用提供参考。

关键词

非酒精性脂肪肝(NAFLD) / LASSO回归算法 / 疾病预测模型 / 疾病潜在基因 / 转录谱数据