典型文献
基于机器学习技术通过精液miRNA推断个体年龄
文献摘要：
目的 年龄推断作为个体特征描绘关键环节之一,在法医实践中的地位愈发重要.本研究通过机器学习算法构建精液相关MicroRNAs(miRNAs)的年龄推断模型.方法 从GEO数据库筛选精液miRNAs数据集,按照年龄变化趋势对样本进行差异分析.对差异基因进行线性回归拟合并计算Pearson相关性,基于显著相关miRNAs构建深度学习、梯度提升机、分布式随机森林、广义线性模型等4种机器学习模型用于年龄推断模拟和验证.结果 差异分析得到11个差异miRNAs,通过线性拟合得到5个显著相关miRNAs(hsa-miR-95-3p,hsa-miR-181c-5p,hsa-miR-203a-3p,hsa-miR-205-5p,hsa-miR-409-5p).四种机器学习训练模型推断年龄的平均绝对误差(Mean Absolute Error,MAE)范围从2.41～4.23岁.在随机抽取的测试集中,深度学习模型表现最佳,MAE为2.27岁.结论 本研究基于机器学习算法初步验证了精液相关miRNAs在年龄推断领域的可行性,为法医实践提供有效依据.
文献关键词：
法医物证学;年龄推断;机器学习;精液miRNAs
中图分类号：
作者姓名：
何星鸿;冯继乾;张恒溢;严江伟
作者机构：
山西医科大学法医学院,山西晋中030000
文献出处：
引用格式：
[1]何星鸿;冯继乾;张恒溢;严江伟-.基于机器学习技术通过精液miRNA推断个体年龄)[J].中国法医学杂志,2022(05):456-460
A类：
B类：
基于机器学习,机器学习技术,精液,年龄推断,个体特征,机器学习算法,MicroRNAs,miRNAs,GEO,年龄变化,差异基因,回归拟合,梯度提升机,广义线性模型,机器学习模型,线性拟合,hsa,3p,181c,5p,203a,学习训练,训练模型,平均绝对误差,Mean,Absolute,Error,MAE,随机抽取,测试集,深度学习模型,法医物证学
AB值：
0.322611
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
