基于生物信息学与机器学习构建骨质疏松症坏死性凋亡诊断模型的数据集
该数据集整合了GSE56815和GSE7429两个基因表达数据集，包含与骨质疏松症坏死性凋亡相关的差异表达基因、蛋白质相互作用网络及诊断模型构建所需的生物信息学数据，主要应用于骨质疏松症的分子机制研究、诊断生物标志物筛选以及机器学习驱动的诊断模型开发。
创建时间2025-12-10
更新时间2025-12-10
原始链接
https://figshare.com/articles/dataset/Developing_a_diagnostic_model_for_necroptosis_in_osteoporosis_using_bioinformatics_and_machine_learning/30854514
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集旨在探索坏死性凋亡在骨质疏松症中的作用，并识别潜在的诊断生物标志物。通过整合GSE56815和GSE7429两个基因表达数据集，研究人员鉴定了107个与坏死性凋亡相关的差异表达基因。富集分析显示这些基因显著富集于坏死性凋亡、NOD样受体信号通路和IL-17信号通路。进一步通过蛋白质-蛋白质相互作用网络分析、多种算法筛选（如MCC和MCODE）以及LASSO回归建模，最终构建了一个包含13个关键基因的诊断模型。体外细胞实验提示CASP3可能作为米诺环素治疗骨质疏松症的潜在靶点。该数据集为研究骨质疏松症的分子机制、开发诊断工具及药物靶点发现提供了数据支持。
提供机构：Wang, Yan; Liu, Yafei; Zhang, Lijuan
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 骨质疏松症 的高质量、多模态真实临床数据定制解决方案。