关键词： 急性心肌梗死   中性粒细胞   生物标志物   差异分析   WGCNA   机器学习算法   免疫浸润分析   S100A12   PTCH1   LOC400499  

摘要： 背景:精确的早期诊断和及时的再灌注治疗是挽救急性心肌梗死患者的生命并改善预后的重要前提条件。因此,寻找能够早期诊断急性心肌梗死的理想生物标志物尤为重要。目的:拟通过生物信息学和机器学习分析急性心肌梗死与中性粒细胞相关的关键基因,以探寻新的生物标志物。方法:基于GEO数据库和limma包鉴定急性心肌梗死的差异表达基因。使用反卷积算法探究免疫细胞浸润情况,然后结合加权基因共表达网络分析(Weighted gene co-expression network analysis,WGCNA)、蛋白互作网络和机器学习筛选急性心肌梗死与中性粒细胞相关的特征基因,并进行功能富集分析。用ROC曲线评估特征基因对急性心肌梗死的诊断价值。通过STITCH和Herb数据库筛查生物标志物的靶向药物。最后将在2023年3-6月于贵州医科大学附属医院心内科首次诊断为急性心肌梗死的住院患者作为实验组,同期心电图无缺血性改变、冠状动脉造影无狭窄的住院患者作为对照组,收集两组患者外周血,通过RT-qPCR验证基因在人外周血样本中的相对表达量。结果与结论:(1)共获得差异表达基因2 349个,免疫浸润分析发现B cells memory,NK cells resting和Neutrophils等免疫细胞评分在疾病和正常组之间存在差异;(2)使用WGCNA发现ME green和ME turquoise这两个基因模块与中性粒细胞与急性心肌梗死表现出最高的相关性;(3)与差异表达基因相交后获得24个差异模块基因,功能富集分析发现其与先天免疫反应、细菌的防御反应等多种过程相关;KEGG结果显示其主要与肿瘤坏死因子信号通路有关。(4)机器学习算法挖掘到的基因取交集后得到的特征基因为S100A12,PTCH1和LOC400499,在GSE48060和GSE66360数据集中的ROC曲线下面积均大于0.7,将其视为潜在的生物标志物。(5)基于STITCH和Herb数据库发现S100A12有11种靶向药物,PTCH1共发现6种靶向药物。(6)RT-qPCR结果显示,与对照组相比,急性心肌梗死患者中S100A12,PTCH1和LOC400499表达具有显著差异性(P<0.05)。(7)S100A12,PTCH1和LOC400499可能是急性心肌梗死潜在的诊断生物标志物,但是其与急性心肌梗死相关的特异性尚需进一步研究,其中S100A12可能是调控急性心肌梗死的潜在靶点。

关键词： 人工智能   人才培养   学习空间泛在化   产教融合   数字素养  

摘要： 随着人工智能技术的突飞猛进,财经类高校在人才自主培养领域迎来了前所未有的机遇与挑战。该文深入探讨人工智能如何全面赋能财经类高校的人才自主培养。人工智能与人才自主培养的结合,不仅是时代发展的必然之选,更引领着人才培养模式的全面革新。在这一过程中,人工智能不仅推动人才培养理念的更新、课程建设的提质增效及教学方式的创新,还促进学习空间的泛在化以教学评价的多元化。同时,人工智能的融入深化产教融合的内涵,推动产教融合方式的创新,加强了校企间的紧密合作与交流。此外,人工智能也在教师队伍建设中发挥着重要作用,提升教师的数字素养、教学能力及促进教师的专业发展。人工智能为财经类高校在人才培养模式上的创新提供强大的动力与支撑,为培养新时代的财经人才奠定坚实基础。

关键词： 颈椎失稳   临床预测模型   机器学习   中青年人群   预测因子  

摘要： 背景:颈椎失稳是中青年人群常见骨科疾病,是颈椎病早期表现,对患者生活质量影响较大。因此,早期诊断颈椎失稳以实施早期干预具有积极的临床意义和社会意义。目的:基于机器学习构建中青年人群颈椎失稳临床预测模型,在进行X射线片检查之前,实现中青年人群颈椎失稳早期筛查。方法:2022年9月至2023年10月通过招募广告和中国中医科学院望京医院脊柱科门诊招募155例中青年颈椎失稳受试者和88例非颈椎失稳受试者作为研究对象,基于调查问卷形式现场采集受试者一般信息、生活工作习惯、不适症状、颈痛目测类比评分、颈椎功能障碍指数、健康调查简表(SF-36)等信息,并将以上信息作为预测因子,经筛选后,以支持向量机、轻量的梯度提升机、随机森林、逻辑回归分析、自适应提升算法、极致梯度提升分类器6种机器学习算法采用十折交叉验证方法进行模型训练,构建颈椎失稳临床预测模型,以曲线下面积为主要评价指标。将预测因子进行单因素分析,并采用SHAP方法对预测因子的重要性进行排序,以相关性热力图展现预测因子之间及其与颈椎失稳之间的线性相关程度。结果与结论:①6种机器学习模型中,选用随机森林模型为最终预测模型,包含年龄、体质量指数、颈围/颈长、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力、精神健康评分9个预测因子,曲线下面积=0.7254,具有良好的预测能力,可作为早期筛查中青年人群颈椎失稳的参考工具;②两组受试者的年龄、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力评分相比差异有显著性意义(P<0.05);③预测因子重要性排序为年龄、颈椎功能障碍指数、颈痛目测类比评分、总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康,其中年龄、颈痛目测类比评分、颈椎功能障碍指数与颈椎失稳呈正相关,总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康与颈椎失稳呈负相关。

关键词： 线粒体   急性心肌梗死   生物信息学   机器学习   免疫浸润分析   氧化应激   炎症   凋亡  

摘要： 背景:线粒体在急性心肌梗死损伤和修复中具有重要意义,因此基于线粒体基因探索急性心肌梗死发病进展具有重要的临床意义。目的:探究线粒体基因是否可以作为评估急性心肌梗死进展的可靠生物标志物。方法:从高通量基因表达数据库下载急性心肌梗死数据集GSE66360,GSE12288,在线粒体蛋白质数据库获取人类线粒体基因集;对急性心肌梗死数据集GSE66360进行差异基因分析及加权基因共表达网络分析,两者取交集后获得基因进行蛋白质-蛋白质相互作用分析、基因本体论和京都基因与基因组百科全书分析;将交集基因与人类线粒体基因取交集以获得差异线粒体基因,对差异线粒体基因进行基因集富集分析和免疫浸润分析,并在外部数据集GSE12288中进行受试者工作特征曲线分析,验证线粒体差异基因的表达特征。结果与结论:①获得急性心肌梗死差异基因548个,差异基因分析及加权基因共表达网络分析显示Blue模块包含基因最多(4992个),二者交集基因共有116个,其中肿瘤坏死因子、白细胞介素1B、白细胞介素6、Toll样受体4和白细胞介素10为核心基因;②基因本体论分析显示生物过程主要涉及炎症反应、肿瘤坏死因子产生的正调控及细胞表面受体信号通路,细胞组成主要涉及三级颗粒膜、质膜外层和质膜等,分子功能主要涉及免疫球蛋白G结合、跨膜信号受体活性及趋化因子活性等,京都基因与基因组百科全书分析显示,这些基因主要涉及肿瘤坏死因子、白细胞介素17及核转录因子κB通路;③共获得8个差异线粒体基因,经过最小绝对收缩和选择算子和比例风险回归模型分析后筛选出4个特征基因,包括佛波醇-12-肉豆酸酯-13-乙酰基诱导蛋白1、BCL2-相关蛋白A1、溶质载体家族25成员37和脱氧核糖核酸聚合酶β,并分别对应了肿瘤蛋白53、氧化磷酸化、硫代谢及甘油磷脂代谢通路;④受试者工作特征曲线分析显示4个特征基因均具有诊断意义,并与静息树突状细胞、幼稚B细胞呈显著负相关性;⑤提示佛波醇-12-肉豆酸酯-13-乙酰基诱导蛋白1、BCL2-相关蛋白A1、溶质载体家族25成员37和脱氧核糖核酸聚合酶β表达特征可作为预测急性心肌梗死中线粒体功能的潜在生物标志物,可进一步提高急性心肌梗死预测的准确性。

关键词： 人工智能   人工智能模型   深度学习   颈椎   医学图像   研究进展   临床应用   工程化组织构建  

摘要： 背景:颈椎病是一种慢性退行性疾病,已经成为威胁人类健康的常见病和多发病之一。目前对颈椎及其周围结构病变的初步诊断主要倚赖于放射科医师对医学影像的解读,这不仅对操作人员技术要求较高,而且存在主观性较强、劳动强度高、效率低等缺点。随着人工智能技术的快速发展,其强大的数据处理和图像识别能力使其在医疗领域展现出广阔的应用前景,深度学习也在脊柱疾病的研究中取得了一定的进展。目的:综述近年来人工智能技术在颈椎影像图像中的应用现状和研究进展,评估人工智能模型的表现以及未来的发展趋势及需要克服的挑战。方法:由第一作者在2024年6月以“人工智能,深度学习,颈椎”为中文检索词,以“Artificial Intelligence,AI,Cervical Vertebrae,Cervical”为英文检索词分别在万方数据库、中国知网和PubMed数据库进行检索,最终纳入101篇文章进行综述分析。结果与结论:①人工智能技术可通过对医学图像部位进行分割、分类、关键点识别等技术实现对颈椎椎体的自动分割及曲度改变的测量,检测颈椎骨折、神经根和脊髓型颈椎病,识别颈椎后纵韧带骨化,预测手术后相关危险因素以及颈椎成熟度分类等;②尽管人工智能技术在颈椎研究领域已展现出巨大潜力,但其仍处于初期探索与快速发展阶段,有无限的发展与创新空间。

关键词： 人工智能   腰椎间盘突出症   深度学习   机器学习   大数据   机器人   工程化组织构建  

摘要： 背景:近年来人工智能技术越来越多地被用于腰椎间盘突出症的诊治,提高了腰椎间盘突出症诊断的准确率及效率,丰富了腰椎间盘突出症的治疗手段,成为研究焦点。目的:从诊断与治疗角度全面展现人工智能在腰椎间盘突出症中的应用现状,分析相应技术的局限性。方法:应用计算机检索PubMed、中国知网、万方数据库及维普数据库建库至2024年8月发表的关于人工智能在腰椎间盘突出症诊治中应用的相关文献,英文检索词为“Lumbar Disc Herniation,Artificial Intelligence,Machine Learning,Deep Learning,Big Data,Robot,Neural Network,Model,Algorithm”,中文检索词为“腰椎间盘突出症,人工智能,机器学习,深度学习,大数据,机器人,神经网络,模型,算法”,按入组标准梳理最终筛选出101篇文献进行综述。结果与结论:人工智能的不同技术推动了腰椎间盘突出症的智能化治疗,在未来的发展中凸显出巨大潜力。深度学习技术基于先进的算法,通过相应学习模型的构建对X射线片、CT及MRI影像进行优化处理,实现对退变腰椎间盘的精确定位、识别与分析,提高了自动化诊断的精度。大数据技术利用数据平台,通过分析海量医疗数据模拟疾病发展趋势,为病情评估与预测提供了新的视角。手术机器人结合机械臂、3D高清视觉系统及5G通信技术为远程精确手术操作提供支持,展现显著的技术优势。未来人工智能对腰椎间盘突出症的诊治将通过算法的持续优化和数据平台的专业化发展,推动诊治手段向规范化、高效化、精准化方向演进。

关键词： 机器学习   脑卒中   预后预测   功能恢复   系统评价  

摘要： 目的:如今机器学习算法逐渐被应用于预测脑卒中和心血管疾病方面。与传统回归模型相比,机器学习可以通过探索大量预测特征与结果变量之间的灵活关系,从数据中学习,以实现高预测准确性,为个体化治疗和康复方案的制定提供了新的方法。此文旨在系统评价基于机器学习脑卒中功能恢复及预后的预测模型,综合评估其预测性能及临床应用潜力,为相关预后预测模型的构建、应用及推广提供参考。方法:按照PRISMA指南进行系统评价。通过检索PubMed、EMbase、Web of Science核心数据库、中国知网、万方和中国生物医学文献数据库,筛选出使用机器学习方法进行脑卒中预后预测的相关文献,检索时限为2014-01-01/2024-07-01。由2名研究人员严格按照纳入与排除标准独立筛选文献、提取数据,使用预测模型偏倚风险评价工具评价模型质量。结果:①初步检索共获取3126篇文献,经过筛选和排除,最终纳入18篇研究,共运用13种机器学习方法构建了150个预测模型,其中应用次数最多的3种方法为逻辑回归、随机森林和极限梯度提升(XGBoost);仅有1项研究开展了外部验证;有8项研究报告了缺失数据的处理方法;②结局指标方面有8项研究采用了临床数据与影像学数据结合来构建模型,9项研究仅运用临床数据构建模型,1项研究仅用影像学数据构建模型;③18项研究均给出了研究中最重要的特征,其中被提及最多的是美国国立卫生研究院卒中量表和年龄;所有研究均报告了曲线下面积值,范围0.74-0.96,最高为0.96;所有模型的总体偏倚风险均为高偏倚风险,模型分析领域高偏倚风险是导致所有模型总体偏倚风险高的主要原因;④Meta分析结果显示年龄和美国国立卫生研究院卒中量表评分对脑卒中预后影响显著,年龄[MD=8.49,95%CI(6.24,10.75),P<0.01],美国国立卫生研究院卒中量表评分[MD=4.78,95%CI(2.56,7.00),P<0.01]。结论:此次研究系统评价了基于机器学习的脑卒中功能恢复及预后预测模型,模型均具有良好的预测潜力。但未来研究应增加纳入模型样本量,采用前瞻性研究,并且添加对模型的外部验证以提高模型的稳定性和预测准确性,控制偏倚风险,以帮助模型在实际临床应用中的验证和推广,同时应对缺失值的插补更透明和精准。虽然现有的机器学习模型显示出良好的预测性能,但也要注重模型的功能性和可用性,纳入特征多会降低易用性。应开发简便易用的模型接口和用户友好的临床工具,使医护人员能够更好地应用模型进行临床决策。

关键词： 激素性股骨头坏死   衰老   WGCNA分析   机器学习   免疫浸润分析   实验验证  

摘要： 背景:激素性股骨头坏死与衰老紧密相连,但调控靶点和机制尚不明确。通过生物信息学联合机器学习分析并加以实验验证,确定细胞衰老介导激素性股骨头坏死发生发展的关键基因,将为激素性股骨头坏死的防治提供新思路。目的:使用生物信息学分析筛选激素性股骨头坏死的衰老核心基因并进行实验验证,以探讨其作用机制。方法:从GEO数据库的GPL15207平台获取了GSE123568数据集,其中包含了30例激素性股骨头坏死患者与10名健康对照的外周血清样本基因表达谱;从CellAge数据库获取了279个细胞衰老相关基因的数据。对激素性股骨头坏死基因谱进行差异分析及加权基因共表达网络(WGCNA)分析,两者与衰老相关基因取交集再取并集得到激素性股骨头坏死衰老潜在基因,并进行GO和KEGG富集分析。机器学习方法筛出枢纽基因,构建Nomogram模型,进行共识聚类及免疫浸润分析。最后收集临床股骨头样本通过qPCR及Westernblot检测方法进行验证。结果与结论:①共获得41个潜在基因,主要富集在衰老及氧化应激反应等生物过程,以及FoxO及肿瘤坏死因子信号通路中。②机器学习鉴定后得到枢纽基因过氧化氢酶、结缔组织生长因子、叉头框蛋白O3、胰岛素受体底物2和丝裂原活化蛋白激酶激酶11,Nomogram模型预测能力良好。③共识聚类分析将患者分为a,b和c共3组,过氧化氢酶、叉头框蛋白O3、胰岛素受体底物2和丝裂原活化蛋白激酶激酶11在3个分子亚型之间表达存在差异(P<0.05),免疫浸润结果显示活化CD4+T细胞、活化CD8+T细胞、嗜酸性粒细胞等免疫细胞的丰度在3个分子亚类中存在差异(P<0.05)。④qPCR和Western blot结果显示,激素性股骨头坏死组过氧化氢酶、结缔组织生长因子、叉头框蛋白O3和丝裂原活化蛋白激酶激酶11比对照组表达降低(P<0.05),胰岛素受体底物2的表达升高(P<0.05)。⑤上述结果证实,通过结合生物信息学与机器学习深入分析,并进一步实验验证,最终确定了5个激素性股骨头坏死衰老相关枢纽基因,分别是过氧化氢酶、结缔组织生长因子、叉头框蛋白O3、胰岛素受体底物2及丝裂原活化蛋白激酶激酶11,这些基因可能通过调控细胞衰老过程为未来激素性股骨头坏死的预防和治疗提供潜在的分子靶点。

关键词： 骨关节炎   内质网应激   WGCNA   机器学习   人滑膜细胞   免疫浸润分析   生物标志物   实验验证   细胞实验   差异基因  

摘要： 背景:内质网应激和骨关节炎的发生、发展密切相关,但其关键基因及调控机制尚不明确。目的:基于生物信息学筛选骨关节炎内质网应激关键基因,并加以细胞模型实验验证,以期从内质网应激角度为防治骨关节炎提供新策略。方法:从GEO数据库下载骨关节炎相关数据集GSE55235,运用生物信息学分析方法筛选获取骨关节炎滑膜差异基因,与GeneCard数据库中内质网应激基因取交集得到骨关节炎内质网应激差异基因,随后对其进行GO/KEGG富集分析;构建蛋白-蛋白互作网络;在外部数据集验证其疾病预测效能。构建人原代关节滑膜成纤维细胞骨关节炎模型,对照组不作处理,实验组接受20 ng/mL脂多糖模拟骨关节炎滑膜细胞造模后进行实时荧光定量PCR实验验证各差异基因表达水平并进行免疫浸润分析。结果与结论:①共获得骨关节炎内质网应激关键基因27个。②GO富集分析结果显示其主要富集在胶原蛋白代谢过程、趋化因子、抗原结合及免疫球蛋白受体结合等过程中。③KEGG分析表明其主要富集在类风湿性关节炎、松弛肽信号通路等通路中。④构建蛋白-蛋白互作网络,使用Cytoscape软件中Degree算法筛选得分最高的5个基因,包括基质金属蛋白酶1、肿瘤坏死因子配体超家族成员11(tumor necrosis factor ligand superfamily member 11,TNFSF11)、基质金属蛋白酶9、Ⅰ型胶原α1重组蛋白(collagen type Ⅰ alpha 1,COL1A1)和趋化因子配体12(chemokine C-X-C motif ligand 12,CXCL12)。⑤免疫浸润分析结果显示,免疫细胞主要分布于M2型巨噬细胞,CXCL12与静息的肥大细胞呈显著正相关(r=0.70,P<0.001),与静息的记忆CD4^(+)T细胞呈显著负相关(r=-0.72,P<0.001);基质金属蛋白酶9与M0巨噬细胞呈显著正相关(r=0.94,P<0.001);COL1A1与静息的NK细胞(r=0.77,P<0.001)和M0巨噬细胞(r=0.76,P<0.001)呈显著正相关。⑥外部数据集GSE77298和GSE1919中进行受试者工作曲线分析表明5个关键基因具有较好的疾病预测价值。⑦体外细胞实验证明,骨关节炎细胞模型组中基质金属蛋白酶1,TNFSF11,CXCL12及基质金属蛋白酶9表达水平相比于对照组有显著差异。⑧结果显示,骨关节炎内质网应激关键基因基质金属蛋白酶1,TNFSF11,CXCL12及基质金属蛋白酶9通过胶原蛋白降解和免疫调控等环节影响着骨关节炎的发生发展,有望为骨关节炎的靶向治疗提供新见解。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能  

摘要： 背景:类风湿关节炎发病机制至今尚未完全清晰,近来有研究表明线粒体自噬与类风湿关节炎存在关联性,但关键机制有待深入探究。目的:利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法:从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集,GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因,同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因,将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因,将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因,利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证,以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型,并利用外部验证集验证。最后,采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性,采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性,同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论:①差异分析获得807个类风湿关节炎差异表达基因,“WGCNA”分析筛选出2个特征模块含1208个基因,线粒体基因数据库整理出1136个基因,三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因;②相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关;③3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB);④预测模型的风险评分受试者工作特征曲线下面积为0.989,外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7;⑤免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关;⑥生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|>0.8,P<0.001),与48条“KEGG”通路强相关(|cor|>0.8,P<0.001),其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关;⑦上述结果证实,DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因,通过参与特定免疫过程在疾病进展中发挥关键作用,对类风湿关节炎的诊断具有精准预测效果。