Jan, 2024
基于机器学习的分析：埃博拉病毒对非人类灵长类动物基因表达的影响
Machine Learning-Based Analysis of Ebola Virus' Impact on Gene Expression in Nonhuman Primates
Mostafa Rezapour, Muhammad Khalid Khan Niazi, Hao Lu, Aarthi Narayanan, Metin Nafi Gurcan
TL;DR这项研究引入了基于机器学习的监督型振幅 - 高度评分（SMAS）方法，用于分析非人灵长类动物（NHPs）感染埃博拉病毒（EBOV）的基因表达数据。我们利用一组全面的 NanoString 基因表达谱数据集，采用 SMAS 系统进行微妙的宿主 - 病原互作分析。我们的研究的一个关键发现是确定了 IFI6 和 IFI27 作为关键生物标志物，展示了 100% 准确率和曲线下面积（AUC）度量值在不同阶段的埃博拉感染分类方面的卓越预测性能。除 IFI6 和 IFI27 外，基因 MX1、OAS1 和 ISG15 明显上调，凸显了它们在免疫应答中对 EBOV 的重要作用。我们的研究结果强调了 SMAS 方法在揭示 EBOV 感染期间复杂遗传相互作用和应答机制方面的功效。这项研究为 EBOV 的发病机制提供了有价值的见解，并有助于开发更精确的诊断工具和治疗策略，以针对埃博拉感染和其他病毒感染。