基于系统性硬化症溶酶体相关基因的人工神经网络模型的构建及实验验证

摘要

目的：建立基于GEO数据库硬皮病溶酶体相关基因的随机森林和人工神经网络（artificial neural network,ANN）联合诊断模型并评价其效果。方法：通过GEO数据库获取4份硬皮病芯片，从AmiGO2数据库中获取875个溶酶体相关基因。其中GSE95065及GSE76807合并作为实验组数据集，使用随机森林算法筛选硬皮病溶酶体相关特征基因，并用特征基因构建人工神经网络模型，用10折交叉验证模型准确性。再用验证数据集GSE32413与GSE59787对模型进一步验证，利用ROC曲线下面积值评估模型准确性。最后用实时荧光定量PCR (real-time quantitative PCR, RT-qPCR)进行实验验证。结果：共获取差异基因46个，其中上调基因16个，下调基因30个。进一步通过随机森林筛选得到最相关的6个特征基因（LYN、TNFAIP3、RNF128、MCOLN3、ANKFY1、PLD3），并构建ANN诊断模型。使用该模型绘制了实验组和验证组诊断的ROC曲线，AUC值为0.999。10折交叉验证AUC平均值大于0.980。验证组AUC为0.740和0.732。RT-qPCR结果表明与对照组相比，硬皮病中LYN(P=0.004)、TNFAIP3(P=0.000 1)表达量明显上调，而RNF128(P=0.000 2)、MCOLN3(P=0.001)、ANKFY1(P=0.02)、PLD3(P<0.000 1)表达量在硬皮病组中明显下调。与机器学习算法结果相一致。结论：构建了硬皮病溶酶体相关特征基因的ANN诊断模型，为探索硬皮病发病机制提供了一个新视角。

关键词

系统性硬化症 / 溶酶体 / 人工神经网络 / 随机森林 / 诊断模型