基于集成深度调控遗传神经网络与优化深度信念网络的阿尔茨海默病进展早期预测新方法

《Scientific Reports》：Novel approach to early prediction of alzheimer’s disease progression using integrated deep regulatory genetic neural network and optimized deep belief networks

　　

摘要

提升阿尔茨海默病的预测精度是一个极具挑战性的过程。问题所在：在慢性神经退行性疾病相关的预处理基因表达数据中，往往很难实现有效的预测。尤其是对于阿尔茨海默病而言，其预测在疾病诊断中起着至关重要的作用。创新点：为了解决这一复杂的脑疾病预测难题，本研究提出了一种新的深度学习模型，即集成深度调控遗传神经网络与优化深度信念网络（IDRODN）。这种整合方式提升了从基因组数据中获得预测结果的能力，有助于更早地识别阿尔茨海默病。方法：该研究采用了IDRODN模型，该模型能够利用阿尔茨海默病基因表达的基准数据集以及不确定性分析，来预测阿尔茨海默病的发展情况。关键成果：通过对阿尔茨海默病基因表达数据计划数据库中的数据进行对比分析，该模型的准确率达到了98.3%，同时在根据基因表达数据预测不同疾病阶段时，其F1分数也高达0.986。意义：这表明，使用IDRODN预测模型是当前预测阿尔茨海默病最准确的方法。