基于机器学习算法筛选胰腺癌诊断标志物及药物敏感性分析

目的 通过生物信息学方法和机器学习算法挖掘基因表达综合数据库(Gene Expression Omnibus, GEO)中胰腺癌的关键表达基因,探究胰腺癌的诊断标志物。方法 以GEO数据库获得的芯片数据集GSE15471、GSE16515作为训练组,GSE28735作为验证组,用于筛选出差异表达基因(Differentially Expressed Genes, DEGs)。利用套索算法(Least absolute shrinkage and selection operator, Lasso)与支持向量机的递归特征消除算法(Support Vector Machines with Recursive Feature Elimination, SVM-RFE)从DEGs中筛选出胰腺癌的关键表达基因,并在验证组中进行验证。采用受试者工作特征(Receiver Operating Characteristic, ROC)曲线的曲线下面积(Area Under Curve, AUC)评价关键表达基因的诊断效能。使用Kaplan-Meier生存曲线对关键表达基因进行预后生存分析。通过Cell...     

逍遥散治疗抑郁症代谢网络的模块划分与生物学机制研究

逍遥散的抗抑郁作用已经明确,应用代谢网络的功能模块划分方法,从功能模块角度探究逍遥散治疗抑郁症的生物学机制具有重要意义和价值.通过数据库收集逍遥散调节差异代谢物、差异代谢物相关的酶以及与抑郁症相关的蛋白,对逍遥散调节差异代谢物进行通路富集分析和交互分析,利用STRING工具构建差异代谢物相关的酶与抑郁症的蛋白网络,应用...