摘要
本发明涉及一种生物标志物,该生物标志物选自如下的一种或多种:UBR2、NPY4R、KLRF2、HABP2、GLP1R、DR1、RUNX2、ARHGAP5、LINC02135、DDHD1、MIR4523、TC2N。该生物标志物尤其用于诊断脑卒中及鉴别诊断脑出血。本发明筛选了12个特征生物标志物进行模型构建,采用受试者工作特征(ROC)分析评价模型的性能,利用sklearn计算曲线下面积(AUC),模型的灵敏度和特异性分别达到0.898、0.818,AUC值为0.913;同时鉴别诊断脑出血,灵敏度和特异性分别达到0.864、0‑854,AUC值为0.909。本发明首次将血浆evDNA的5hmC修饰谱与机器学习算法结合,筛选的特征生物标志物和/或模型具有特异性强、灵敏度高的优点,克服了现有技术中脑卒中及脑出血鉴定过程中的低效、准确性差的问题。
技术关键词
生物标志物
样本
机器学习算法
机器学习模型
消除算法
工作特征
体液
试剂盒
外周血
数据
蛋白
唾液
血液
变量
软件
曲线
患者
参数
系统为您推荐了相关专利信息
模型猪构建
基因敲除技术
基因编辑效率
基因编辑工具
胚胎移植技术
风格图像生成方法
语义标签
AI成像设备
语义分割网络
训练集
智能解释方法
生成对抗模型
多模态
生成特征
噪声数据