基于机器学习算法的角膜移植受者外周血转录组生物标志物探索性研究

《Life》：Candidate Peripheral Blood Transcriptomic Features Associated with Clinical Risk Status in Corneal Transplant Recipients: A Machine-Learning Analysis

　　角膜移植（CT）是角膜疾病致盲的主要治疗手段，但移植物排斥仍是决定远期预后的关键因素。传统的排斥评估通常为回顾性，可能错过早期干预时机。本研究利用机器学习算法，对角膜移植受者移植前后的外周血基因表达谱进行分析。公开可用的转录组数据包括240例移植前样本（102例高风险、138例低风险）和332例移植后样本（193例高风险、139例低风险）。每个样本包含20,522个基因的表达测量值。研究者分别使用9种特征选择方法、2种分类算法、递增式特征选择和合成少数类过采样技术对移植前和移植后数据集进行生物标志物筛选分析。最优特征子集的交集分析显示，ABCD1、LOC100129307、SF3B4和RAMP2在移植前和移植后均为重要基因。风险组在移植前基于临床标准划分，并非基于排斥事件；急性排斥未作为结局指标进行分析。本研究发现属于探索性特征发现，识别出与临床风险状态相关的外周血转录组候选特征以供进一步研究；这些结果并未确立独立验证的生物标志物或可推广的预测性能。