基于多种数学模型推断损伤时间的比较和优化的初步研究.pdfVIP

目 录 中文 英文 常用缩写词中英文对照表 V 前 言 1 1 材料与方法 3 1.1 材料与仪器 3 1.2 动物模型的建立及检材提取 4 1.3 RNA 检测 4 1.3.1 总RNA 提取 4 1.3.2 RNA 纯度、浓度及完整性检测 5 1.3.3 RNA 反转录合成cDNA 5 1.3.4 对cDNA 进行RT-qPCR 扩增 5 1.4 数据处理 8 1.4.1 数据预处理与相关性分析 8 1.4.1.1 数据预处理 8 1.4.1.2 相关性分析 9 1.4.1.3 聚类分析 10 1.4.2 数据降维（LDA 分析） 10 1.5 数学模型建立 11 1.5.1 随机森林模型 11 1.5.2 逻辑斯蒂回归模型 12 1.5.3 多项式朴素贝叶斯模型 13 1.5.4 递归特征消除法（RFE ） 13 1.5.5 模型的比较 14 1.6 全文数据分析流程和建模思路 15 2 结 果 16 2.1 RNA 质量和PCR 扩增效率 16 2.1.1 总RNA 的质量 16 2.1.2 目的基因与内参基因的扩增效率 17 2.2 35 个损伤相关基因的表达情况 17 2.3 35 个损伤相关基因的相关性及数据降维分析 22 2.3.1 基因表达量的相关性分析 22 2.3.2 线性判别（LDA ）分析 23 2.4 有监督机器学习数学模型的建立和评价 24 2.4.1 LR 模型 24 2.4.1.1 模型的建立 24 2.4.1.2 运算结果 25 2.4.2 RF 模型 25 2.4.2.1 模型的建立 25 2.4.3 Multinomial NB 模型 26 2.4.3.1 模型建立 27 2.4.3.2 运算结果 27 2.4.4 三种模型的比较和评价 28 2.5 模型特征筛选 28 2.6 三种机器学习数学模型的测试 31 2.6.1 全部特征引入机器学习模型的测试 31 2.6.2 特征选择后机器学习模型的测试 33 3 讨 论 34 4 结 论 39 参考文献 40 综述 46 致谢 54 个人简介 55 山西医科大学硕士学位论文 基于多种数学模型推断损伤时间的比较和优化的初步研究 摘要 目的： 通过比较三种基于骨骼肌损伤修复相关的 35 个基因相对表达量建立损伤时间推 断的机器学习预测模型准确性和泛化性，选出基于多维核酸指标进行骨骼肌损伤时间 推断的最佳数学模型，为机器学习算法建立数学模型用于推断损伤时间在法医学实践 应用提供新的思路和方向。 方法： 65 只 Sprague-Dewley 雄性成年大鼠，随机分为对照组和损伤组（4h 、8h、12h 、 16h 、20h 、24h 、28h 、32h 、36h 、40h 、44h 和 48h ，每组 5 只大鼠）建立大鼠骨骼肌 挫伤动物模型。利用 RT-qPCR 检测骨骼肌组织 35 个与损伤修复相关基因的相对表达 量，得到建模数据集。通过Python （3,7 版本）语言采用无监督层次聚类算法