摘要
本发明公开一种噪声暴露工人招工体检筛选生物标志物及其应用,涉及生物技术领域;本发明从工厂中确诊罹患NIHL的工人以及在性别、年龄等方面与相匹配的听力正常工人血细胞中提取DNA,对FOXM1等9个基因共10个SNPs位点进行基因分型检测,并利用7种机器学习算法构建NIHL预测模型,验证这些SNPs位点与噪声性听力损失的相关性;同时,选取各项性能指标表现较佳的PNN与GRNN评估各SNPs位点以及年龄、性别、噪声暴露水平、接噪工龄等特征变量的重要性,结合基因型关联分析结果,确定AIMP1基因的rs1134648和OGG1基因的rs2304277为与NIHL发生发展显著关联的SNPs位点;本发明操作简单,筛选灵敏度特异度高,适用于大规模易感人群筛查,为噪声性听力损失筛选生物标志物提供依据。
技术关键词
多态性位点
生物标志物
引物
基因
噪声
筛选试剂盒
听力
机器学习算法
年龄
序列
特异
变量