摘要
本发明提供了一种预测性细胞衰老模型的构建方法,以及基于该衰老模型的组织样本衰老状态的预测方法和潜在治疗药物的筛选方法、设备、介质和程序产品,涉及智能医疗领域。模型的构建方法包括:获取训练集样本表达谱数据集;利用特征选择算法从数据集中识别关键衰老基因集;将关键衰老基因集输入机器学习模型拟合预测模型并确定最佳超参数,得到包含关键衰老基因集中单个基因权重的细胞衰老模型;细胞衰老模型为通过单个基因表达量与其回归系数的乘积之和计算得到衰老评分。通过综合多个衰老特征基因集和基因评分算法构建细胞衰老模型即PreCSenM,在CS评估中的精确性优于10种现有方法,还实现了CS从生物学研究到临床场景的应用。
技术关键词
衰老模型
差异表达基因
样本
匹配分析方法
组织
机器学习模型
特征选择算法
治疗药物
筛选方法
待测药物
训练集
线性混合效应
肿瘤
人工神经网络
临床场景
细胞系
超参数
评分算法
系统为您推荐了相关专利信息
开票系统
可执行程序代码
识别方法
图像特征提取模型
特征提取方法
运动交互方法
虚拟对象
运动检测
图像投影
交互动作
工艺设计方法
深度学习网络
细观力学模型
复合材料
储氢容器技术