一种评价恩格列净对动脉粥样硬化治疗效果的方法、系统及设备与流程
本发明属于生物信息学领域,具体地,涉及一种评价恩格列净对动脉粥样硬化治疗效果的方法、系统及设备。
背景技术:
1、动脉粥样硬化(atherosclerosis,as)是一种由脂质驱动的慢性炎症性血管疾病,是冠心病和心肌梗死等心血管疾病的病理基础。其发病机制涉及多种因素,包括内皮损伤、免疫反应、炎症反应及脂质代谢。随着生活方式的改变和全球人口加速老龄化,动脉粥样硬化的发病率持续上升,并且越来越多地影响年轻人群。
2、恩格列净(empzgliflozin,empz)是一种钠-葡萄糖协同转运蛋白2(sodium-glucose co-transporter 2,sglt -2)特异性抑制剂,通过阻止葡萄糖在肾近端小管的重吸收,促进其经尿液排泄,从而降低血糖水平。除降低血糖外,恩格列净还显示出对动脉粥样硬化性心脏病的保护作用。此外,恩格列净可通过调控nrf2/ho-1信号通路来减轻血管内皮细胞的铁死亡,从而增强内皮功能并抑制动脉粥样硬化的进展。尽管存在这些发现,恩格列净减轻动脉粥样硬化的确切机制仍未完全阐明。
技术实现思路
1、为弥补现有技术的不足,本发明的目的在于提供一种评价恩格列净对动脉粥样硬化治疗效果的方法、系统及设备。
2、为实现上述目的,本发明采用如下的技术方案:
3、本发明的第一方面提供了一种评价恩格列净对动脉粥样硬化治疗效果的方法。
4、进一步地,所述方法由计算机完成,所述方法包括如下步骤:
5、获取数据:获取恩格列净治疗后的动脉粥样硬化患者样本中线粒体自噬相关蛋白的表达数据,所述线粒体自噬相关蛋白包括以下一种或几种:pink1、parkin、lc3-ii、lc3-i;
6、处理数据:将线粒体自噬相关蛋白的表达数据输入到构建好的恩格列净评价模型中,所述恩格列净评价模型基于所述线粒体自噬相关蛋白的表达数据评价恩格列净对动脉粥样硬化治疗效果;
7、输出结果。
8、进一步地,所述线粒体自噬相关蛋白的表达数据包括但不限于通过免疫印迹法、免疫组织化学法、酶联免疫法和质谱分析法获得的数据。
9、进一步地,所述的恩格列净评价模型的构建步骤如下:
10、获取线粒体自噬相关蛋白的表达数据,所述线粒体自噬相关蛋白包括以下一种或几种:pink1、parkin、lc3-ii、lc3-i;所述线粒体自噬相关蛋白的表达数据来自未经治疗的动脉粥样硬化患者和经恩格列净治疗后的动脉粥样硬化患者;将线粒体自噬相关蛋白的表达数据输入机器学习算法构建恩格列净评价模型。
11、进一步地,所述恩格列净评价模型通过以下标准获得结果:当所述线粒体自噬相关蛋白pink1、parkin、lc3-ii/lc3-i中的任意一种或几种表达量高于阈值时,得到恩格列净对动脉粥样硬化患者治疗有效的分类结果;当所述线粒体自噬相关蛋白pink1、parkin、lc3-ii/lc3-i中的任意一种或几种表达量低于阈值时,得到恩格列净对动脉粥样硬化患者治疗无效的分类结果。
12、在本发明的一些实施方案中,所述预设阈值是动脉粥样硬化群体正常样本的代表值,包括但不限于极大值、第三四分位数、平均值。在本发明的一些优选实施方案中,所述群体样本包括20个以上样本,例如30个、50个、80个、100个、150个、200个、300个、500个或更多。
13、进一步地,所述机器学习算法包括利用各种开发工具开发的算法模型。
14、进一步地,所述开发工具包括但不限于tensorflow、scikit learn、pytorch、opennn、rapidminer、azure机器学习、apache mahout、shogun、knime、vertex ai、h2oai、anaconda、keras、tableau、fast.ai、catalyst、amazon ml、mljar、spell。
15、进一步地,所述算法模型包括但不限于线性回归模型、逻辑回归模型、lasso回归模型、ridge回归模型、线性判别分析模型、近邻模型、决策树模型、感知机模型、神经网络模型、支持向量机模型、朴素贝叶斯模型、adaboost模型、gbdt模型、xgboost模型、lightgbm模型、catboost模型、随机森林模型。
16、本发明的第二方面提供了一种评价恩格列净对动脉粥样硬化治疗效果的系统,所述系统包括:
17、数据获取单元:用于获取恩格列净治疗后的动脉粥样硬化患者样本中线粒体自噬相关蛋白的表达数据,所述线粒体自噬相关蛋白包括以下一种或几种:裂解型pink1、parkin、lc3-ii、lc3-i;
18、数据分类单元:用于对数据获取单元中获得的数据通过权利要求2所述的构建方法获得的恩格列净评价模型进行分类预测,得到恩格列净是否对动脉粥样硬化患者治疗有效的分类结果;
19、结果输出单元:用于将结果输出至接收单元。
20、进一步地,所述接收单元包括显示屏、电脑客户端、手机客户端或平板机。
21、本发明的第三方面提供了一种计算机设备,所述设备包括存储器和处理器,所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时实现本发明第一方面所述评价恩格列净对动脉粥样硬化治疗效果的方法。
22、本发明的第四方面提供了一种计算机可读储存介质,其上储存有计算机程序,其特征在于,所述计算机程序被处理器执行时实现本发明第一方面所述评价恩格列净对动脉粥样硬化治疗效果的方法。
23、本发明的第五方面提供了一种计算机程序产品,其上包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现本发明第一方面所述评价恩格列净对动脉粥样硬化治疗效果的方法。
24、本发明具有的优点和有益效果:
25、本发明首次发现恩格列净通过促进内皮细胞线粒体自噬来缓解动脉粥样硬化,同时功能实验显示,恩格列净上调了线粒体自噬相关蛋白pink1、parkin和lc3-ii/lc3-i,本发明为本领域提供了一种评价恩格列净对动脉粥样硬化治疗效果的方法、系统和设备,从而辅助医生对动脉粥样硬化患者治疗效果的评价,并指导临床医师给患者制定个体化的治疗方案。
1.一种评价恩格列净对动脉粥样硬化治疗效果的方法,其特征在于,所述方法由计算机完成,所述方法包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,所述的恩格列净评价模型的构建步骤如下:
3.根据权利要求1所述的方法,其特征在于,所述恩格列净评价模型通过以下标准获得结果:当所述线粒体自噬相关蛋白pink1、parkin、lc3-ii/lc3-i中的任意一种或几种表达量高于阈值时,得到恩格列净对动脉粥样硬化患者治疗有效的分类结果;当所述线粒体自噬相关蛋白pink1、parkin、lc3-ii/lc3-i中的任意一种或几种表达量低于阈值时,得到恩格列净对动脉粥样硬化患者治疗无效的分类结果。
4.根据权利要求2所述的方法,其特征在于,所述机器学习算法包括利用各种开发工具开发的算法模型。
5.根据权利要求4所述的方法,其特征在于,所述开发工具包括但不限于tensorflow、scikit learn、pytorch、opennn、rapidminer、azure机器学习、apache mahout、shogun、knime、vertex ai、h2oai、anaconda、keras、tableau、fast.ai、catalyst、amazon ml、mljar、spell。
6.根据权利要求4所述的方法,其特征在于,所述算法模型包括但不限于线性回归模型、逻辑回归模型、lasso回归模型、ridge回归模型、线性判别分析模型、近邻模型、决策树模型、感知机模型、神经网络模型、支持向量机模型、朴素贝叶斯模型、adaboost模型、gbdt模型、xgboost模型、lightgbm模型、catboost模型、随机森林模型。
7.一种评价恩格列净对动脉粥样硬化治疗效果的系统,其特征在于,所述系统包括:
8.一种计算机设备,其特征在于,所述设备包括存储器和处理器,所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时实现权利要求1-4任一项所述评价恩格列净对动脉粥样硬化治疗效果的方法。
9.一种计算机可读储存介质,其上储存有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4任一项所述评价恩格列净对动脉粥样硬化治疗效果的方法。
10.一种计算机程序产品,其上包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4任一项所述评价恩格列净对动脉粥样硬化治疗效果的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com