换一批GEO数据库联合机器学习策略识别骨关节炎特征性lncRNA分子标志物及实验验证
Identification of Characteristic lncRNA Molecular Markers in Osteoarthritis by Integrating GEO Database and Machine Learning Strategies and Experimental Validation
摘要目的 利用GEO(Gene Expression Omnibus)数据库联合机器学习筛选骨关节炎(osteoarthritis,OA)特征性的长链非编码RNA(lncRNA)分子标志物.方法 纳入185例OA及76例正常健康人样本,GEO数据库筛选数据集得出差异表达lncRNA,通过随机森林(randomforest,RF)、最小绝对收缩和选择算子(LASSO)逻辑回归、支持向量机递归特征消除(SVM-RFE)3种算法筛选候选的lncRNA模型,绘制受试者操作特征曲线评价模型.收集临床OA患者30例和正常对照15例的外周血,测定免疫炎症指标,RT-PCR定量分析外周血单核细胞lncRNA分子标志物的表达,Pearson分析lncRNA与免疫炎症指标的相关性.结果 LASSO得出14个关键标志物,SVM-RFE算法确定6个基因,RF算法确定24个基因.Venn图筛选得出3种算法的重叠基因,包括HOTAIR、H19、MIR155HG和NKILA.受试者工作特征曲线显示这4个lncRNA的曲线下面积均大于0.7.RT-PCR法发现与正常对照组相比,HOTAIR、H19、MIR155HG在OA患者外周血单核细胞中相对表达量升高,NKILA表达量下降(均P<0.01),结果与生物信息学预测结果相一致.Pearson相关性分析表明选定的lncRNA与临床免疫炎症指标相关.结论 HOTAIR、H19、MIR155HG和NKILA可作为OA临床诊断分子标志物,且与临床免疫炎症指标相关.
更多相关知识
关键词
骨关节炎长链非编码RNA机器学习策略诊断标志物免疫炎症OsteoarthritisLong non-coding RNAMachine learning strategyDiagnostic markersImmune inflammation
DOI
10.12182/20230960101
发布时间
2023-10-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览62
- 被引1
- 下载16
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
