基于血液自噬相关基因构建的静脉血栓栓塞机器学习模型研究

作     者：覃忠 陈泉志 陈靖 张江锋 卢海林 覃晓 Qin Zhong;Chen Quanzhi;Chen Jing;Zhang Jiangfeng;Lu Hailin;Qin Xiao

作者机构：广西医科大学第一附属医院血管外科广西南宁530021 广西医科大学生物技术教研室广西南宁530021 

出 版 物：《中国血管外科杂志（电子版）》 (Chinese Journal of Vascular Surgery(Electronic Version))

年 卷 期：2024年第16卷第2期

页      面：162-171页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：广西重点研发计划(2017AB45033) 

主　　题：静脉血栓栓塞 自噬 免疫细胞 机器学习模型 基因 

摘      要：目的利用生物信息学构建自噬相关基因(autophagy related genes,ATGs)的静脉血栓栓塞(venous thromboembolism,VTE)诊断预测模型。方法根据GSE19151数据集分析VTE人群的差异性ATGs(differentially expressed autophagy-related genes,DE-ATGs)和免疫细胞浸润,建立最优机器学习模型并通过诺谟图、校准曲线、决策曲线分析和外部数据集验证模型的预测效率。结果VTE患者中发现18个差异性表达的ATGs和差异的免疫细胞浸润。诺谟图、校准曲线和决策曲线分析证明机器学习模型对预测VTE具有一定的准确性,其中支持向量机器(support vector machine,SVM)机器学习模型对VTE的预测准确性最高。以SVM模型最重要的5个基因PRKCD、ULK1、CD46、PRKAR1A和FOS作为预测基因,在外部验证数据集表现出令人满意的性能,且与VTE患者的风险有关。结论研究首次揭示自噬与VTE之间的关系,并建立最优的机器学习模型来评估VTE患者的风险。