骨生物学进展：利用可解释的机器学习对骨关节炎亚组进行预测风险生物标志物的数据驱动识别

文章预览

点击上方 蓝字 关注我们 Data-driven identification of predictive risk biomarkers for subgroups of osteoarthritis using interpretable machine learning 作者： Rikke Linnemann Nielsen, Thomas Monfeuga, Robert R. Kitchen, Line Egerod, Luis G. Leal, August Thomas Hjortshøj Schreyer, Frederik Steensgaard Gade, Carol Sun, Marianne Helenius, Lotte Simonsen, Marianne Willert, Abd A. Tahrani, Zahra McVey & Ramneek Gupta 发表情况： Nature Communications volume 15, Article number: 2817 (2024) https://doi.org/10.1038/s41467-024-46663-4 科学问题 由于骨关节炎（ OA ）的复杂性和其跨越多种生物学机制及疾病表型的异质性，如何改进对 OA 发病机制的理解和开发合适的预测方法仍面临较高挑战性。前人建立的 OA 预测模型存在一些局限性，比如仅关注膝关节 OA 、样本量较小以及输入特征集受限等问题，且大多数研究缺乏对遗传学、临床生物标志物及其他环境因素的综合性结 ………………………………