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 |
| |
引用本文: | 杨浩然,陈宇翔,赵安娜,程婷婷,周建忠,李自良.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[J].华西口腔医学杂志,2024(2):214-226. |
| |
作者姓名: | 杨浩然 陈宇翔 赵安娜 程婷婷 周建忠 李自良 |
| |
作者单位: | 1. 昆明医科大学附属口腔医院;2. 云南省口腔医学重点实验室 |
| |
摘 要: | 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...
|
关 键 词: | 种植体周炎 生物信息学 随机森林 人工神经网络 诊断模型 |
|
|