本技术公开了一种基于多种外周组织DNA甲基化数据的脑部疾病诊断模型,通过将预处理后的多种外周组成的甲基化数据,获取与所述外周组织的DNA甲基化数据对应的高级特征输出向量,进而得到分类结果。本发明使用多种外周组织DNA甲基化数据,相对于单一来源的甲基化数据,更容易进行提取,并且多种外周组织DNA甲基化数据能够进行互补,通过使用未患病者与已患病者的多种外周组织的DNA甲基化数据,提升分类结果的稳定性和可靠性。通过结合DNN在特征提取方面的优势和LightGBM分类算法在分类任务中的高效性,使得基于多种外周组织DNA甲基化数据的脑部疾病诊断模型的输出结果更加准确。
背景技术
随着基因组学和表观遗传学的快速发展,DNA甲基化作为重要的表观遗传调控机制,在脑部疾病诊断中展现出巨大的潜力。然而,直接提取脑组织的甲基化数据面临许多挑战,包括技术复杂性和取样的伦理问题等,使得其在实际临床应用中受到限制。而外周组织的甲基化数据不仅易于提取,还与疾病和脑组织之间具有显著的生物学关联性,从而为脑部疾病的诊断提供了一条重要的研究途径。但多数疾病诊断模型仅利用单一来源(如外周血)的甲基化数据,忽略了不同生物样本间甲基化模式的互补性和差异性,这种局限性可能导致诊断准确性降低、疾病监测和预测能力受限。
实现思路