腎臓細胞がんにおけるmiR-15a発現の予測のための機械学習支援放射性遺伝子解析
Yulian Mytsyk1,2, Paweł Kowal3, Yuriy Kobilnyk4
1Voxel Medical Diagnostic Centers, Katowice, Poland. mytsyk.yulian@gmail.com.
BMC cancer
|August 21, 2025
まとめ
機械学習モデルは,放射線遺伝学を用いて腎臓細胞癌 (RCC) のマイクロRNA-15a (miR-15a) 発現を予測する. この非侵襲的アプローチは,個別化されたRCC管理のために腫瘍を分層化するのに役立ちます.
科学分野:
- 腫瘍学
- 放射線科
- ゲノミクス
- 機械学習
背景:
- 腎臓細胞癌 (RCC) のアウトカムには大きな違いがあります.
- マイクロRNA-15a (miR-15a) は,RCCにおける予後バイオマーカーであり,血管新生,アポトーシス,および増殖に影響を与える.
- ラジオゲノミクスは,非侵襲的なバイオマーカーの予測のための分子データとイメージング機能を統合します.
研究 の 目的:
- RCCにおけるmiR-15a発現を予測するための機械学習支援放射性遺伝子モデルを開発する.
- miR-15a表現レベルと放射線学的特徴を相関させる
- miR-15a発現と攻撃性に基づいてRCC腫瘍を分層する.
主な方法:
- 術前のCT/MRIを患った64人のRCC患者の遡及分析.
- 放射線学的特徴の評価 (腫瘍の大きさ,死滅,増幅)
- qPCRによるmiR-15a発現の定量化;ポリノミアル回帰とランダムフォレストモデルによる予測;階層的クラスタリングとK-ミーン分析による現象分層化.
主要な成果:
- 腫瘍の大きさはmiR- 15a発現の最も強い予測因子であった (調整R2=0. 8281,p< 0. 001).
- 高濃度のmiR- 15aは死滅と結節増強と相関し,低濃度のmiR- 15aは胞成分と脂肪と関連している.
- ランダムフォレストモデルは,miR- 15a発現変数 (R2=0. 658) の65. 8%を説明し,分類器はAUC1. 0と精度1. 0とリコール0. 9とF1スコア0. 95を達成した.
結論:
- 機械学習ベースの放射線遺伝学は,RCCにおけるmiR-15a発現を予測するための堅牢で非侵襲的な方法を提供します.
- このアプローチは腫瘍の層分化を促進し,個別化されたRCC管理をサポートします.
- 放射線と分子データの統合は 腫瘍学における精密医療の進歩に不可欠です
