利用随机森林联合人工神经网络基于外周血细胞易感基因建立冠心病诊断模型

目的:运用生物信息学方法联合随机森林和人工神经网络（ANN）筛选冠心病外周血细胞易感基因并构建冠心病诊断模型，为临床提供筛查冠心病潜在的分子生物标志物。方法:从GEO数据库中下载3个基因表达谱数据（GSE20680、GSE20681和GSE12288），基于GSE20680进行差异表达基因的筛选、GO和KEGG富集分析，然后运用随机森林的机器学习算法对筛选到的差异表达基因进行关键基因的获取，最后综合利用这3个数据集建立1个训练集和2个测试集分别进行ANN诊断模型的构建和性能的验证。结果:利用GEO数据库中得到的基因表达谱数据，基于随机森林的机器学习算法从284个差异表达基因中筛选出21个与冠心病相关的关键基因，利用ANN计算关键基因的权重，成功地构建冠心病诊断模型，最后利用2个测试集对该诊断模型的性能进行验证，AUC均较高（分别为0.9024和0.8153）。结论:本研究筛选出21个冠心病相关的基因生物标志物，并建立冠心病诊断模型，该模型对冠心病有较好的分类效果，有助于冠心病筛查和早期临床诊断。