TY -的A2 Albahri A . s . AU -李,冬冬AU - Chen Ting盟——凌You-Liang AU -江,永安AU - Li Qiu-Gen PY - 2022 DA - 2022/09/28 TI -基于随机森林的甲基化诊断模型和神经网络对哮喘鉴别SP - 2679050六世- 2022 AB - 背景。哮喘严重影响人类生命和健康作为一种慢性疾病。传统治疗哮喘有几个局限性。人工智能在癌症治疗艾滋病也可以加快我们对哮喘的机制的理解。我们旨在开发一种新的临床诊断哮喘使用人工神经网络模型(ANN)。 方法。数据集(GSE85566 GSE40576和GSE13716)从基因表达综合(GEO)下载,确定差异表达论文认定(DECs)丰富基因本体论(去)和《京都议定书》(KEGG)基因和基因组分析的百科全书。随机森林(RF)和ANN算法进一步确定基因特点和临床模型构建的。此外,两个外部验证数据集(GSE40576和GSE137716)被用来验证模型的诊断能力。 结果。甲基化分析工具(冠军)认为DECs差异( n = 121)和衰减( n = 20)。结果显示浓缩的肌动蛋白细胞骨架组织和细胞基质粘附,志贺氏菌病和血清素激活的突触。射频(随机森林)分析确定了10个关键DECs (cg05075579、cg20434422 cg03907390, cg00712106, cg05696969, cg22862094, cg11733958, cg00328720,和cg13570822)。根据10 DECs安临床模型构造。在两个外部验证数据集(GSE40576和GSE137716),曲线下的面积(AUC) GSE137716为1.000,和GSE40576 AUC为0.950,证实了模型的可靠性。 结论。我们的研究结果提供了新的甲基化标记为哮喘诊断和治疗和临床诊断模型。SN - 1748 - 670 - 2022/2679050 / 10.1155 x你——https://doi.org/10.1155/2022/2679050——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER