28、机器学习在疾病基因关联预测与精准农业物联网平台设计中的应用

机器学习在疾病基因关联预测与精准农业物联网平台设计中的应用

1. 疾病基因关联预测中的机器学习应用

1.1 研究背景与意义

传统研究遗传因素和疾病易感性的方法耗时较长，而机器学习与基因组学研究的结合为预测疾病 - 基因关联提供了快速有效的途径。这对于理解分子机制、开发靶向治疗干预措施以及精准医学和个性化治疗具有重要意义。

1.2 相关研究进展

• Asif 等人（2018）提出监督算法预测与自闭症谱系障碍（ASD）相关的基因，分类器表现优于以往的 ASD 分类器。
• Luo 等人（2019）引入多模态 DBN（dgMDL）技术，结合两个深度信念网络获取蛋白质 - 蛋白质相互作用网络和基于基因本体的编码表示，创建跨模态表示，性能优于其他算法。
• Wu 等人（2019）使用 RENET 识别基因 - 疾病关联，将准确率和召回率分别提高到 85.2% 和 81.8%。
• Han 等人（2019）提出 GCN - MF，通过将矩阵分解与图卷积网络相结合，建立疾病与基因之间的联系。
• Le（2020）提出使用机器学习方法进行疾病基因预测的策略，利用深度学习、集成学习和矩阵分解等技术识别非致病基因。
• Madeddu 等人（2020）使用机器学习算法分析周围蛋白质的功能和连接模式，预测人类相互作用网络中疾病与基因的联系。
• Vilela 等人（2023）在生物知识图谱上使用知识图嵌入技术，实现基于公共数据库的逻辑推理。
• Yang 等人（2021）引入基于网络的机器学习框架，用于识别功能模块和疾病候选基