基于多种数学模型推断损伤时间的比较和优化的初步研究

发布时间：2021-12-12 11:29

　　目的:通过比较三种基于骨骼肌损伤修复相关的35个基因相对表达量建立损伤时间推断的机器学习预测模型准确性和泛化性,选出基于多维核酸指标进行骨骼肌损伤时间推断的最佳数学模型,为机器学习算法建立数学模型用于推断损伤时间在法医学实践应用提供新的思路和方向。方法:65只Sprague-Dewley雄性成年大鼠,随机分为对照组和损伤组（4h、8h、12h、16h、20h、24h、28h、32h、36h、40h、44h和48h,每组5只大鼠）建立大鼠骨骼肌挫伤动物模型。利用RT-qPCR检测骨骼肌组织35个与损伤修复相关基因的相对表达量,得到建模数据集。通过Python（3,7版本）语言采用无监督层次聚类算法对归一化处理后的训练数据集进行相关性分析后,通过线性判别分析对数据降维确定六种类别标签。而后,应用递归特征消除算法分别联合逻辑斯蒂回归模型、随机森林模型和多项式朴素贝叶斯模型建立三种有监督数学模型,通过内部留一法验证上述三种机器学习方法测试损伤时间推断模型的准确性。另外增加13只大鼠在相同损伤时间点上建立骨骼肌挫伤动物模型（随机分为对照组与损伤组,每组1只大鼠）,采用同样的方法检测35个基因指标... 

【文章来源】：山西医科大学山西省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

决策树模型示意图

山西医科大学硕士学位论文15和最校有了ROC曲线后，可以引出曲线下面积（AreasundertheCurves,AUCs）的定义：ROC曲线下的面积，数值越大，表明模型的效能越好，对样本的识别更准确，每一个预测结果在ROC曲线中以一个点代表。如图2所示。图2ROC及AUCs示意图注：图中的黑色虚线对角线是随机情况下的ROC曲线，对应的AUCs值为0.5；红色虚线是理想情况下的ROC曲线，此时模型具有完美的区分度，对应的AUCs值为1；现实情况下的ROC曲线介于两者之间，AUCs值一般大于0.5而小于1。1.6全文数据分析流程和建模思路在得到65只大鼠损伤后13个时间点，与损伤修复相关的35个基因的相对表达量数据后，通过Min-Maxscaling对数据进行预处理，缩放到[0,1]之间；经LDA分析降维观察后，确定分类标签；随后采用留一法随机分为训练组和验证组数据集，建立并比较三种数学模型，通过另一批大鼠对模型进行外部测试；通过RFE算法进行特征筛除后，筛选得出更适用于损伤时间推断的数学模型，如图3所示。

山西医科大学硕士学位论文16图3数据分析流程建模思路示意图2结果2.1RNA质量和PCR扩增效率2.1.1总RNA的质量经Agilent2100电泳分析，所有实验样本的OD260/280值均在1.8-2.2之间，结果见图4；RNA的完整性检测结果显示RNAintegritynumber（RIN）值均大于7.0。说明RNA的纯度及完整性均较好，均可用于后续实验。


本文编号：3536595