提出胰腺癌的新早期检测指标:将机器学习和神经网络结合起来,用于基于血清miRNA的诊断模型
Hao Chi1, Haiqing Chen1, Rui Wang2,3,4
1Clinical Medical College, Southwest Medical University, Luzhou, China.
Frontiers in oncology
|August 21, 2023
概括
这项研究确定了三个血清微RNA (hsa-miR-4648,hsa-miR-125b-1-3p,hsa-miR-3201) 作为早期胰腺癌检测的潜在生物标志物. 人工神经网络模型在将癌症与正常样本区分方面显示出高准确度.
科学领域:
- 生物标志物和诊断方法
- 基因组学和分子生物学
背景情况:
- 胰腺癌 (PC) 的存活率很低,因此需要早期检测方法.
- 微RNAs (miRNAs) 是有前途的生物标志物,因为它们在血液中的稳定性和可访问性.
- 目前的PC诊断工具需要改进,以便及时进行干预.
研究的目的:
- 为了确定用于早期发现胰腺癌的新型血清微RNA (miRNAs).
- 开发和验证胰腺癌的准确诊断模型.
- 基于miRNA表达的潜在胰腺癌亚型的探索.
主要方法:
- 分析了来自三个独立的PC数据集的血清miRNA表达特征.
- 使用机器学习算法 (SVM-RFE,LASSO,随机森林) 来识别候选miRNAs.
- 开发了一个人工神经网络模型来评估诊断准确性,并通过qPCR进行验证.
主要成果:
- 确定了三种与胰腺癌相关的血清miRNAs (PCRSMs):hsa-miR-4648,hsa-miR-125b-1-3p和hsa-miR-3201.
- 人工神经网络模型在区分PC和正常样本方面取得了高精度 (AUC为0.935和0.926).
- 使用共识聚类,PC样本被分为两个亚型,hsa-miR-125b-1-3p表达与年龄负相关.
结论:
- 一个新的人工神经网络模型为早期胰腺癌诊断提供了一个有前途的工具.
- 已识别的miRNA为PC病原体提供了洞察力,并为药物查和免疫治疗提供了潜在的标.
- 这项研究支持血清miRNAs作为胰腺癌的生物标志物的临床实用性.
