2022年3月8日，跨學(xué)科領(lǐng)域的國際知名雜志《Frontiers in Genetics》在線發(fā)表了深圳市第二人民醫(yī)院生殖醫(yī)學(xué)科汪麗萍教授團(tuán)隊題為“A joint model of random forest and artificial neural network for the diagnosis of Endometriosis”的研究論文。該研究利用隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)成功構(gòu)建子宮內(nèi)膜異位癥EMs的診斷模型，該模型有望助力于EMs的臨床診斷和治療。

　　子宮內(nèi)膜異位癥（EMs）是一種雌激素依賴性的疾病，育齡婦女有10-15%的患病率。腹腔鏡檢查是診斷EMs的金標(biāo)準(zhǔn)，這使得EMs的真實患病率尚不確定。此外，目前在大多數(shù)患者中觀察到的月經(jīng)血逆流現(xiàn)象被普遍接受，然而其中只有一小部分會發(fā)展成這種疾病。因此，有必要尋找有效的分子標(biāo)記物，以提高EMs的早期診斷和治療水平。

　　近年來，隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于疾病預(yù)測。隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)的聯(lián)合將具有更好的分類性能和更有意義的特征選擇。本研究通過對公共數(shù)據(jù)集的分析，構(gòu)建隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)聯(lián)合模型，鑒定出7個關(guān)鍵基因（COMT、NAA16、CCDC22、EIF3E、AHI1、DMXL2和CISD3）用于EMs的診斷，且利用公共數(shù)據(jù)集驗證了其診斷效果。

　　圖1研究整體框架

　　從公共數(shù)據(jù)集中下載得到148個樣本（77個EMs患者樣本和71個健康人樣本）數(shù)據(jù)。在去除批次效應(yīng)后進(jìn)行主成分分析（圖2），顯示很難分辨EMs疾病樣本和健康人樣本，這間接表明了EMs診斷的難度。之后利用貝葉斯模型篩選后2,552個差異表達(dá)基因（圖3）。

　　圖2主成分分析

　　圖3差異表達(dá)分析

　　對這些差異表達(dá)基因進(jìn)行GO和KEGG通路富集分析，結(jié)果表明這些差異表達(dá)基因主要參與脂肪酸*謝、cAMP信號途徑和Hippo信號通路（圖4）?；谶@些差異表達(dá)基因構(gòu)建了蛋白互作網(wǎng)絡(luò)，從中鑒定出15個關(guān)鍵基因（圖5）。

　　圖4功能富集分析

　　圖5蛋白互作網(wǎng)絡(luò)

　　將所有差異表達(dá)基因放入隨機(jī)森林分類器，并使用基尼系數(shù)法衡量所有變量的重要性。基于基尼系數(shù)>4作為重要變量的考量標(biāo)準(zhǔn)，篩選出7個重要變量（AHI1、DMXL2、NAA16、CCDC22、CISD3、COMT和EIF3E）（圖6A-B）。k均值聚類分析結(jié)果表明，這些基因可用于區(qū)分EMs患者樣本和健康人樣本（圖6C）。在EMs患者樣本中，AHI1、DMXL2和NAA16基因高表達(dá)，而CCDC22、CISD3、COMT和EIF3E低表達(dá)。

　　圖6通過隨機(jī)森林模型篩選差異表達(dá)基因

　　對公共數(shù)據(jù)集進(jìn)行預(yù)處理和歸一化處理，用于構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型（圖7A）。在該模型輸出結(jié)果中，每個隱藏層的預(yù)測權(quán)重分別為-3.97906、1.04457、2.76611、-2.00181、-11.84206和-0.90829。接下來，繪制ROC曲線來評估這7個重要變量預(yù)測EMs的能力。所有重要變量的AUC值均在0.7左右，說明構(gòu)建的診斷模型可信度較高（圖7B）。此外，在兩個公共數(shù)據(jù)集中驗證了構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性（圖7C-D）。

　　圖7人工神經(jīng)網(wǎng)絡(luò)模型和ROC曲線評估

　　上述結(jié)果表明，隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)聯(lián)合可作為EMs的預(yù)測模型，其中鑒定出的7個關(guān)鍵基因可為理解EMs的發(fā)病機(jī)制提供新見解，同時也為EMs的臨床診斷和治療奠定基礎(chǔ)。