摘要
本申请公开了基于基因标志物组合诊断或预测阿尔茨海默症的系统、设备或介质,属于肿瘤标志物技术领域。其中,所述基因标志物组合包括TMEM74、CBLN4、SYDE2、SLFNL1、PITPNM3、MPPED1、SYNDIG1L、ADAMTS5、BMX、GLUL、KRT79、TULP2、PRSS16、IL25、KCNJ16、SLC22A25、CRYAA、DLX2、SHISA6、CRYGA、EFCAB3、GMFB、RIN1、DMRTA1、CER1、CYP26B1、REG3A、HTRA3、SLC2A4、CRYGB和SOX3。利用本申请的基因标志物组合的表达水平数据,构建机器学习模型,能够用于诊断受试者是否患有阿尔茨海默症或预测受试者是否具有患阿尔茨海默症的风险,具有巨大的临床应用价值。
技术关键词
构建机器学习模型
基因
阿尔茨海默症患者
数据输入模块
LightGBM模型
肿瘤标志物技术
XGBoost模型
RNA提取试剂
朴素贝叶斯模型
GBDT模型
微阵列方法
支持向量机模型
逻辑回归模型
随机森林模型
PCR方法
决策树模型
存储模块
系统为您推荐了相关专利信息
预后预测方法
预后预测模型
评分系统
预后预测系统
患者临床数据
PKD2基因
基因编辑系统
重组细胞
遗传性多囊肾病
敲除模型
数字PCR试剂盒
引物探针组合
芯片式
qPCR检测方法
传染性胃肠炎
黑色素瘤免疫治疗
预测生物标志物
检测黑色素瘤
试剂盒
引物
LightGBM模型
加权特征
项目
输出特征
运动