多种机器学习模型构建阿尔兹海默病失巢凋亡相关预测模型

作者：范钰; 陈婷婷; 陈钢; 张永康^*

来源：生物信息学, 2023, 1-14.

• 阿尔兹海默病
• 失巢凋亡
• 分子分型
• 机器学习
• 预测模型

阿尔兹海默病（AD）是最常见的神经退行性疾病。失巢凋亡（Anoikis）是一种新型的程序性细胞死亡方式，可导致多种疾病的发展。本研究旨在探讨失巢凋亡相关基因（ANRGs）在AD中的作用，并建立预测模型。基于GSE33000数据集筛选到1 666个AD与正常脑组织相比差异表达的基因，与53个ANRGs取交集，得到10个基因。利用上述基因，对310例AD患者进行无监督聚类，将其分为3个亚型，进一步分析不同亚型间的免疫微环境差异。之后，采用WGCNA算法筛选与AD相关的特征基因，选取4种机器学习算法（RF、GLM、SVM和XGB），构建AD罹患风险的预测模型，并在3个外部队列中进行验证（GSE5281、GSE29378和GSE122063）。最后，基于XGB模型中的5个AD特征基因（TM6SF1、SMYD3、OXCT1、MAP1B和ITPKB），成功构建一个列线图，为AD的临床预测提供参考。

• 单位
  山西医科大学; 山西省人民医院; 基础医学院