卵巢癌相关特征基因探索及人工神经网络诊断模型构建

摘要：

目的:利用人工神经网络(ANN)模型对卵巢癌患者进行早期预测分析,构建卵巢癌预测模型.方法:综合GEO数据库的卵巢癌基因表达芯片数据,以GSE18520、GSE27651 和GSE54388 数据集作为建模组,GSE40595 和GSE66957 作为验证数据集.利用R语言的"limma"包进行差异表达分析.对差异基因进行GO功能和KEGG通路富集分析,同时运用STRING网站进行蛋白互作网络分析,以明确其生物学功能和相互作用关系.利用随机森林算法对特征基因进行筛选,建立ANN模型结合ROC曲线评价模型的性能.结果:共提取差异基因75 个,其中上调基因22 个,下调基因53 个.它们与嘌呤核糖核酸分解代谢过程、肌动蛋白细胞投射、磷酸酯水解活性等功能以及嘌呤代谢等信号通路密切相关.在随机森林分析中筛选出共9 个特征基因构建ANN模型,建模组和验证组结果均表明ANN模型具有良好的疾病诊断性,两者的AUC分别为 0.995 和 0.811.结论:ANN模型有利于卵巢癌患者的早期检测,为患者治疗提供指导意见.

关键词：诊断模型、生物信息学、卵巢癌、人工神经网络

所属期刊栏目：32

分类号：R737.31(肿瘤学)

资助基金：深圳市福田区公共卫生研究项目No:FTWS2021032

在线出版日期：2023-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：571-575,580