期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
通过蛋白质组学和机器学习发现血清的FCN-3和TMOD-4蛋白能够预测晕动病
1
作者 刘志 张金红 +2 位作者 张纯 汪晓宇 李进让 《中华耳科学杂志》 北大核心 2025年第5期669-676,共8页
目的应用蛋白质组学技术和机器学习探索与晕动病相关的蛋白。方法采集了51名晕动病患者和68名对照组的血清样本,使用蛋白质组学技术和生物信息学方法分析差异表达蛋白(differentially expressed proteins,DEPs)及使用机器学习建立了预... 目的应用蛋白质组学技术和机器学习探索与晕动病相关的蛋白。方法采集了51名晕动病患者和68名对照组的血清样本,使用蛋白质组学技术和生物信息学方法分析差异表达蛋白(differentially expressed proteins,DEPs)及使用机器学习建立了预测模型,并在另一个队列中通过酶联免疫吸附测定法验证了候选蛋白。结果共鉴定出27个DEPs(11个上调,16个下调)在晕动病患者和对照组之间存在显著差异。功能富集分析显示,DEPs主要涉及血小板活化、金属离子结合、细胞外泌体、神经变性、肌萎缩性脊髓侧索硬化症、亨廷顿舞蹈症、免疫系统、止血等过程。通过多种机器学习和ROC曲线分析,本研究基于血清中8种最佳DEPs的水平构建了一个潜在的诊断模型,其特异性为95.8%,灵敏度为100%(AUC=0.997,P<0.001)。在8种DEPs中,FCN-3和TMOD-4这两种高含量蛋白质被选入另一个潜在模型,其特异性为75.0%,灵敏度为91.7%(AUC=0.870,P<0.001)。酶联免疫吸附测定法检测结果与蛋白质组学分析一致。结论初步数据表明,晕动病患者和对照组的血清蛋白表达谱存在显著差异。此外,FCN-3和TMOD-4的变化可作为诊断晕动病的新型生物标志物。 展开更多
关键词 晕动病 蛋白质组学 FCN-3 TMOD-4 机器学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部