2026-10-14T18:56:37Z https://www.scidb.cn/oai

10.57760/sciencedb.j00217.07523 2025-05-06T09:31:19Z

2025-05-06 Bioinformatics and Machine Learning-Based Screening of Potential Biomarkers and Logistic Regression Model Building for Neonatal Sepsis doi:10.57760/sciencedb.j00217.07523 en 包含 NS 和对照样品的表达谱数据是从基因表达综合 （GEO） 数据库下载的。经过数据质量处理，包括归一化和批量效应去除，筛选 NS 和对照样品之间的差异表达基因 （DEGs）。基因集富集分析 （GSEA） 用于计算显著富集的通路并总结核心基因。加权基因共表达网络分析 （WGCNA） 用于鉴定与 NS 显著相关的基因模块，并从中提取关键基因。机器学习算法，包括最小绝对收缩和选择运算符 （LASSO） 回归、支持向量机递归特征消除 （SVM-RFE） 和随机森林交叉验证 （RF-CV），用于上述生物信息学分析结果交叉点的特征选择，以识别潜在的 NS 生物标志物。 Neonatal sepsis; Bioinformatics; Machine Learning; Biomarkers; Logistic regression model 刘娜 谭志勇 PUBLIC https://creativecommons.org/publicdomain/zero/1.0/ dataset Science Data Bank