ty -jour a2 -huang，tao au -Zhang，shuai au- qu，renliang au -wang -wang，pengyan au -wang，王，Shenghan PY -2021 da -2021/09/27 ti- ti -Novel voic -19选择策略SP -2203636 VL -2021 AB- 2019年冠状病毒疾病（COVID -19）是由严重的急性呼吸综合症冠状病毒2（SARS -COV -2）引起的，自2019年12月至今。SARS-COV-2核酸检测已被视为COVID-19诊断的黄金标准。但是，这种检测方法通常会导致错误的负面因素，从而触发了丢失的Covid-19诊断。因此，迫切需要找到新的生物标志物来提高COVID-19诊断的准确性。为了在这项研究中探索Covid-19的新生物标志物，首先从GEO数据库访问了表达曲线。在此基础上，通过最小值最高率（MRMR）特征选择方法筛选了500个特征基因。之后，使用增量特征选择（IFS）方法来选择具有不同基于基因基因的支持向量机（SVM）分类器的分类器。将相应的66个特征基因设置为最佳特征基因。最后，将最佳特征基因进行进行功能富集分析，主成分分析（PCA）和蛋白质 - 蛋白质相互作用（PPI）网络分析。 All in all, it was posited that the 66 feature genes could effectively classify positive and negative COVID-19 and work as new biomarkers of the disease. SN - 1748-670X UR - https://doi.org/10.1155/2021/2203636 DO - 10.1155/2021/2203636 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -