西南交通大学生命科学与工程学院生物工程系
- 作品数：2 被引量：6H指数：1
- 相关机构：武汉理工大学理学院工程结构与力学系武汉理工大学理学院更多>>
- 发文基金：中央高校基本科研业务费专项资金四川省应用基础研究计划项目更多>>
- 相关领域：生物学医药卫生更多>>
- 衰老的表观遗传调控机制被引量：6
- 2017年
- 表观遗传通过调控基因表达影响众多生命过程。大量的证据表明,表观遗传在衰老调控中也发挥重要的作用。本文介绍表观遗传的3种主要机制对衰老的调控作用,及其对衰老的2个主要特征的影响。同时,介绍热量限制介导的抗衰老作用的表观遗传的调控机制,和3种重要的抗衰老活性小分子及其如何通过表观遗传相关机制发挥抗衰老作用。本文结果为进一步研究表观遗传在衰老调控中的作用,以及发展抗衰老干预措施提供了理论依据和重要的参考资料。
- 高杰沈成黄新河
- 关键词：表观遗传衰老热量限制线粒体干细胞
- 结合铁死亡建立遗传算法优化的反向传播神经网络脓毒症预后模型
- 2024年
- 目的将铁死亡与机器学习相结合,建立一种基于遗传算法的反向传播网络(GA-BPNN)模型,以预测脓毒症患者的28 d存活情况。方法通过高通量基因表达数据库(GEO)下载脓毒症相关数据。从分子签名数据库(MSigDB)下载与铁死亡相关的基因65个。使用基因集富集分析(GSEA)、基因集变异分析(GSVA)、加权基因共表达网络分析(WGCNA)和蛋白质-蛋白质相互作用(PPI)网络分析筛选脓毒症患者的铁死亡相关基因。同时利用短时间序列挖掘分析(STEM)筛选与脓毒症发展进程相关的基因,并与脓毒症患者铁死亡相关基因取交集,获得脓毒症预后的关键基因。在传统的反向传播网络(BPNN)的基础上,采用遗传算法(GA)优化权值和阈值,建立脓毒症预后预测GA-BPNN模型。结果脓毒症存活组和未存活组之间铁死亡相关基因集活性差异显著。共筛选出97个脓毒症铁死亡相关基因。同时确定了191个在脓毒症发展进程中显著上调或下调的基因。取交集基因建立脓毒症四基因预测预后GA-BPNN模型。在训练集中经过迭代后训练的均方误差在0.05以下,曲线下面积(AUC)为0.98。为验证GA-BPNN模型的泛化能力和分类效果,在外部数据验证集中,将GA-BPNN模型与支持向量机(SVM)、BPNN和随机森林(RF)进行比较。结果表明,在验证集中GA-BPNN模型的AUC值均为0.92,高于SVM、RF和BPNN。结论基于GA-BPNN提出了四基因模型预测脓毒症患者的预后效果是可靠且稳定的,为脓毒症中的铁死亡提供新的见解。
- 曾媛媛常莉池晴佳封顺田菲菲
- 关键词：脓毒症生物标志物预后模型
