
-
生物通官微
陪你抓住生命科技
跳动的脉搏
开发并验证一种基于SHAP解释性机器学习的卒中风险预测模型,该模型利用循环微RNA生物标志物进行预测
《Journal of Molecular Neuroscience》:Development and Validation of a SHAP-Interpretable Machine Learning Model for Stroke Risk Prediction Using Circulating MicroRNA Biomarkers
【字体: 大 中 小 】 时间:2026年05月14日 来源:Journal of Molecular Neuroscience 2.7
编辑推荐:
摘要背景/目的:中风仍然是全球范围内导致发病率和死亡率的主要原因之一。循环中的微小RNA(miRNA)已成为心血管疾病诊断和风险分层的有前景的非侵入性生物标志物。然而,将它们整合到预测模型中仍受到特征选择、模型鲁棒性和可解释性等挑战的限制。本研究旨在开发一个可解释的机器学习框架,
背景/目的:中风仍然是全球范围内导致发病率和死亡率的主要原因之一。循环中的微小RNA(miRNA)已成为心血管疾病诊断和风险分层的有前景的非侵入性生物标志物。然而,将它们整合到预测模型中仍受到特征选择、模型鲁棒性和可解释性等挑战的限制。本研究旨在开发一个可解释的机器学习框架,利用血清miRNA特征来预测中风的发生。方法:我们分析了来自GEO数据集GSE117064的1,785个人类样本(173例中风患者和1,612例非中风对照组)的血清miRNA表达谱。通过线性建模和经验贝叶斯调节方法进行差异表达分析,以识别显著失调的miRNA。然后应用LASSO逻辑回归来选择具有预测价值的miRNA特征。使用10折交叉验证评估了五种监督机器学习分类器——逻辑回归、支持向量机(SVM)、随机森林、XGBoost和k最近邻。表现最佳的模型(SVM)进一步通过Shapley加性解释(SHAP)进行解释,以评估单个miRNA对预测的贡献。为了验证所识别特征的鲁棒性和临床泛化能力,对独立的血清样本集进行了定量实时PCR(qPCR)和下一代测序(NGS)。将预训练的SVM模型应用于NGS数据,以验证其在外部队列中的分类性能。结果:共有604个miRNA在中风组和非中风组之间存在差异表达,其中包括206个下调和398个上调的候选miRNA。LASSO回归识别出66个具有潜在预测价值的非零系数miRNA。在测试的分类器中,SVM模型实现了最高的平均准确率0.9983和完美的AUC(1.0000),显示出优越的性能和稳定性。SHAP分析显示,包括hsa-miR-3648、hsa-miR-1290和hsa-miR-6765-3p在内的一组miRNA对分类结果影响最大,提供了机制上的见解并增强了模型的可解释性。qPCR结果初步支持了关键miRNA的差异表达模式。此外,对独立验证队列(n=10)的NGS分析显示,所选生物标志物具有明显的层次聚类。预训练的SVM模型通过以80%的总体准确率(敏感性80%,特异性80%)对这些外部样本进行分类,初步证明了其跨平台的有效性,表明所识别的miRNA组合在不同量化平台上的潜在泛化能力。结论:本研究展示了整合差异表达分析、规则化特征选择和基于SHAP的解释方法来识别和验证预测中风的血清miRNA特征的实用性。使用NGS的成功外部验证突显了所识别生物标志物的鲁棒性及其跨平台应用的潜力。这些结果为临床风险预测中的生物标志物发现提供了一个透明的、数据驱动的框架,并支持开发用于中风检测的非侵入性诊断工具。
背景/目的:中风仍然是全球范围内导致发病率和死亡率的主要原因之一。循环中的微小RNA(miRNA)已成为心血管疾病诊断和风险分层的有前景的非侵入性生物标志物。然而,将它们整合到预测模型中仍受到特征选择、模型鲁棒性和可解释性等挑战的限制。本研究旨在开发一个可解释的机器学习框架,利用血清miRNA特征来预测中风的发生。方法:我们分析了来自GEO数据集GSE117064的1,785个人类样本(173例中风患者和1,612例非中风对照组)的血清miRNA表达谱。通过线性建模和经验贝叶斯调节方法进行差异表达分析,以识别显著失调的miRNA。然后应用LASSO逻辑回归来选择具有预测价值的miRNA特征。使用10折交叉验证评估了五种监督机器学习分类器——逻辑回归、支持向量机(SVM)、随机森林、XGBoost和k最近邻。表现最佳的模型(SVM)进一步通过Shapley加性解释(SHAP)进行解释,以评估单个miRNA对预测的贡献。为了验证所识别特征的鲁棒性和临床泛化能力,对独立的血清样本集进行了定量实时PCR(qPCR)和下一代测序(NGS)。将预训练的SVM模型应用于NGS数据,以验证其在外部队列中的分类性能。结果:共有604个miRNA在中风组和非中风组之间存在差异表达,其中包括206个下调和398个上调的候选miRNA。LASSO回归识别出66个具有潜在预测价值的非零系数miRNA。在测试的分类器中,SVM模型实现了最高的平均准确率0.9983和完美的AUC(1.0000),显示出优越的性能和稳定性。SHAP分析显示,包括hsa-miR-3648、hsa-miR-1290和hsa-miR-6765-3p在内的一组miRNA对分类结果影响最大,提供了机制上的见解并增强了模型的可解释性。qPCR结果初步支持了关键miRNA的差异表达模式。此外,对独立验证队列(n=10)的NGS分析显示,所选生物标志物具有明显的层次聚类。预训练的SVM模型通过以80%的总体准确率(敏感性80%,特异性80%)对这些外部样本进行分类,初步证明了其跨平台的有效性,表明所识别的miRNA组合在不同量化平台上的潜在泛化能力。结论:本研究展示了整合差异表达分析、规则化特征选择和基于SHAP的解释方法来识别和验证预测中风的血清miRNA特征的实用性。使用NGS的成功外部验证突显了所识别生物标志物的鲁棒性及其跨平台应用的潜力。这些结果为临床风险预测中的生物标志物发现提供了一个透明的、数据驱动的框架,并支持开发用于中风检测的非侵入性诊断工具。