基于机器学习技术通过精液miRNA推断个体年龄

目的 年龄推断作为个体特征描绘关键环节之一,在法医实践中的地位愈发重要。本研究通过机器学习算法构建精液相关MicroRNAs(miRNAs)的年龄推断模型。方法 从GEO数据库筛选精液miRNAs数据集,按照年龄变化趋势对样本进行差异分析。对差异基因进行线性回归拟合并计算Pearson相关性,基于显著相关miRNAs构建深度学习、梯度提升机、分布式随机森林、广义线性模型等4种机器学习模型用于年龄推断模拟和验证。结果差异分析得到11个差异miRNAs,通过线性拟合得到5个显著相关miRNAs (hsa-miR-95-3p,hsa-miR-181c-5p,hsa-miR-203a-3p,hsa-miR-205-5p,hsa-miR-409-5p)。四种机器学习训练模型推断年龄的平均绝对误差（Mean Absolute Error,MAE）范围从2.41～4.23岁。在随机抽取的测试集中,深度学习模型表现最佳,MAE为2.27岁。结论 本研究基于机器学习算法初步验证了精液相关miRNAs在年龄推断领域的可行性,为法医实践提供有效依据。