The Correlation-Base-Selection Algorithm for Diagnostic Schizophrenia Based on Blood-Based Gene Expression Signatures.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Gen ekspresyonunun mikroarray analizi genellikle farklı hastalık türlerini teşhis etmek için kullanılır. Birçok çalışma sinir sistemi hastalığında kayda değer başarılar olduğunu bildirmektedir. Şizofreninin klinik tanısı (SCZ) hala doktorların deneyimlerine bağlıdır, bu da güvenilmezdir ve daha objektif ve nicel olması gerekir. Bu sorunu çözmek için, şizofrenili 152 birey (SCZ) ve farklı bölgelerde 138 normal kontrol dahil olmak üzere dört çalışmadan tüm kan geni ekspresyonu verilerini topladık. Bu çalışmada korelasyona dayalı özellik seçimi (CFS, makine öğrenme yöntemlerinden biri) algoritması uygulanmış ve hastalar ve kontroller arasında "feature genleri" olarak adlandırılan 103 anlamlı olarak ifade edilen genler seçilmiştir; daha sonra SCZ tanısı için bir model oluşturulmuştur. Örnekler 10 gruba ayrıldı ve çapraz doğrulama, inşa ettiğimiz modelin neredeyse% 100 sınıflandırma doğruluğuna ulaştığını gösterdi. Veri işleme öncesi ve sonrası veri kümelerinin matematiksel olarak değerlendirilmesi algoritmamızın etkinliğini kanıtladı. Özellik genleri, daha önce SCZ ile ilişkili olduğu bildirilen Parkinson hastalığı, oksidatif fosforilasyon ve TGF-beta sinyal yollarında zenginleştirildi. Bu sonuçlar, gen ekspresyonunun modelimiz tarafından tüm kandaki analizinin SCZ'nin teşhisi için yararlı bir araç olabileceğini düşündürmektedir.

Özgün kaynak özetini okuyun

Microarray analysis of gene expression is often used to diagnose different types of disease. Many studies report remarkable achievements in nervous system disease. Clinical diagnosis of schizophrenia (SCZ) still depends on doctors' experience, which is unreliable and needs to be more objective and quantified. To solve this problem, we collected whole blood gene expression data from four studies, including 152 individuals with schizophrenia (SCZ) and 138 normal controls in different regions. The correlation-based feature selection (CFS, one of the machine learning methods) algorithm was applied in this study, and 103 significantly differentially expressed genes between patients and controls, called "feature genes," were selected; then, a model for SCZ diagnosis was built. The samples were subdivided into 10 groups, and cross-validation showed that the model we constructed achieved nearly 100% classification accuracy. Mathematical evaluation of the datasets before and after data processing proved the effectiveness of our algorithm. Feature genes were enriched in Parkinson's disease, oxidative phosphorylation, and TGF-beta signaling pathways, which were previously reported to be associated with SCZ. These results suggest that the analysis of gene expression in whole blood by our model could be a useful tool for diagnosing SCZ.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.