典型文献
基于生物信息学及机器学习鉴定骨关节炎滑膜相关基因
文献摘要：
目的 通过生物信息学和机器学习识别骨性关节炎(Osteoarthritis,OA)患者滑膜组织中相关的特征基因,旨在探索其在OA诊断中的价值.方法 通过GEO公共数据库下载GSE1919,GSE55235,GSE82017,GSE55457数据集,以GSE1919、GSE55235作为训练集进行数据合并,GSE82017、GSE55457作为两个独立的验证集,利用R软件筛选出相关的差异基因并进行GO与KEGG功能富集分析,对获得的差异基因进行套索(LASSO)回归和支持向量机-递归特征消除(SVM-RFE)两种机器学习算法筛选特征基因,并在验证数据集中进行验证.结果 在8920个基因中获得474个骨关节炎相关差异基因,其中226个表达上调,248个表达下调,并通过两种机器学习方法筛选出的结果取交集获得3个相关特征基因:B细胞白血病/淋巴瘤因子-6基因(B cell lymphoma 6,BCL6),DNA损伤诱导转录因子4(DNA Damage inducible transcript like,DDIT4),人刺痒反应蛋白1(Scrapie-responsive gene 1,SCRG1),在两个独立的外部数据验证集验证3个基因都具有诊断价值.结论 利用生物信息学筛选出的BCL6、SCRG1、DDIT4特征基因,可能成为骨性关节炎的诊断生物学标志及潜在治疗靶点.
文献关键词：
骨关节炎;关键基因;差异表达基因;生物信息学;疾病
中图分类号：
作者姓名：
杨延辑;廖文波
作者机构：
遵义医科大学附属医院 脊柱外科,贵州 遵义 563099;遵义医科大学第二附属医院 骨外科,贵州 遵义 563000
文献出处：
引用格式：
[1]杨延辑;廖文波-.基于生物信息学及机器学习鉴定骨关节炎滑膜相关基因)[J].遵义医科大学学报,2022(03):327-333
A类：
GSE82017,Scrapie,SCRG1
B类：
骨关节炎,骨性关节炎,Osteoarthritis,OA,滑膜组织,特征基因,GEO,公共数据库,下载,GSE1919,GSE55235,GSE55457,训练集,数据合并,验证集,差异基因,功能富集分析,套索,LASSO,递归特征消除,RFE,机器学习算法,机器学习方法,交集,白血病,淋巴瘤,cell,lymphoma,BCL6,Damage,inducible,transcript,like,DDIT4,刺痒,responsive,gene,外部数据,数据验证,诊断价值,利用生物,潜在治疗,治疗靶点,关键基因,差异表达基因
AB值：
0.361834
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。
