基于随机森林和人工神经网络构建种植体周炎的诊断模型

目的 本研究旨在揭示种植体周炎发生发展过程中参与调控的关键基因，并通过随机森林（RF）和人工神经网络（ANN）构建种植体周炎的诊断模型。方法本研究从GEO数据库中获取GSE33774、GSE106090和GSE57631数据集。对GSE33774和GSE106090数据集进行差异表达和功能富集分析，通过蛋白质互作网络（PPI）和RF筛选出关键基因，利用ANN建立种植体周炎的诊断模型，并在GSE33774和GSE57631数据集中进行验证。同时，构建转录因子-基因相互作用网络和转录因子-微小RNA (miRNA)调控网络。结果 本研究共筛选出124个参与调控种植体周炎的差异表达基因（DEGs）。富集分析结果表明，DEGs主要和免疫受体活性蛋白及细胞因子受体活性相关，主要参与白细胞和中性粒细胞迁移的过程。PPI和RF筛选出6个关键基因，分别为CD38、CYBB、FCGR2A、SELL、TLR4和CXCL8。受试者操作特征曲线（ROC）表明ANN模型具有较好的诊断性。本研究还发现FOXC1、GATA2和NF-κB1可能是种植体周炎中重要的转录因子，hsa-miR-204可能是关键的miRNA...