一种先心病合并智力发育落后的预测方法、系统、电子设备及存储介质与流程

1.一种先心病合并智力发育落后的预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的先心病合并智力发育落后的预测方法，其特征在于，若所述目标基因rab3il1的表达量低于阈值，和/或xkr3、h2bc17中的任意一种或多种的表达量高于阈值，得到待测样本为先心病合并智力发育落后样本的分类结果；若所述目标基因rab3il1的表达量高于阈值，和/或xkr3、h2bc17中的任意一种或多种的表达量低于阈值，得到待测样本为非先心病合并智力发育落后样本的分类结果。

3.根据权利要求1所述的先心病合并智力发育落后的预测方法，其特征在于，所述机器学习模型包括线性回归模型、逻辑回归模型、随机森林模型、lasso回归模型、ridge回归模型、线性判别分析模型、近邻模型、决策树模型、感知机模型、神经网络模型、支持向量机模型、朴素贝叶斯模型、adaboost模型、gbdt模型、xgboost模型、lightgbm模型和/或catboost模型。

4.根据权利要求1所述的先心病合并智力发育落后的预测方法，其特征在于，所述表达数据包括所述目标基因的mrna表达量数据或所述目标基因的蛋白表达量数据；

5.一种先心病合并智力发育落后的预测系统，其特征在于，所述系统包括：

6.根据权利要求5所述的先心病合并智力发育落后的预测系统，其特征在于，若所述目标基因rab3il1的表达量低于阈值，和/或xkr3、h2bc17中的任意一种或多种的表达量高于阈值，得到待测样本为先心病合并智力发育落后样本的分类结果；若所述目标基因rab3il1的表达量高于阈值，和/或xkr3、h2bc17中的任意一种或多种的表达量低于阈值，得到待测样本为非先心病合并智力发育落后样本的分类结果。

7.根据权利要求5所述的先心病合并智力发育落后的预测系统，其特征在于，所述机器学习模型包括线性回归模型、逻辑回归模型、随机森林模型、lasso回归模型、ridge回归模型、线性判别分析模型、近邻模型、决策树模型、感知机模型、神经网络模型、支持向量机模型、朴素贝叶斯模型、adaboost模型、gbdt模型、xgboost模型、lightgbm模型和/或catboost模型。

8.根据权利要求5所述的先心病合并智力发育落后的预测系统，其特征在于，所述表达数据包括所述目标基因的mrna表达量数据或所述目标基因的蛋白表达量数据；

9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和处理器，所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时实现权利要求1-4中任一项所述的先心病合并智力发育落后的预测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4中任一项所述的先心病合并智力发育落后的预测方法。