释放微RNA的潜力:机器学习识别了用于心肌梗塞诊断的关键生物标志物
Mehrdad Samadishadlou1, Reza Rahbarghazi2,3, Zeynab Piryaei4
1Department of Medical Nanotechnology, Faculty of Advanced Medical Sciences, Tabriz University of Medical Sciences, Tabriz, Iran.
Cardiovascular diabetology
|September 11, 2023
概括
来自血液细胞的微RNA (miRNA) 签名显示出作为新型生物标志物的承诺,用于诊断心血管疾病,如心肌梗塞和冠状动脉疾病. 这项研究确定了特定的miRNA面板,在区分疾病状态方面具有高准确性.
科学领域:
- 生物化学 生物化学
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- 心血管疾病 (CVD) 涉及复杂的调节途径.
- 微RNAs (miRNAs) 是心血管疾病中细胞反应的关键调节者.
- miRNAs显示出作为心血管疾病诊断生物标志物的潜力.
研究的目的:
- 使用生物信息学和机器学习识别和验证心血管疾病的miRNA生物标志物.
- 开发一种分类模型,以区分健康个体与心肌梗塞 (MI) 和稳定冠状动脉疾病 (CAD) 的个体.
主要方法:
- 三个含有外周血液单核细胞 (PBMC) 样本的基因表达综合 (GEO) 数据集的综合分析.
- 利用机器学习模型,包括支持向量机 (SVM),用于样本分类.
- 根据差异表达和接收器运行特征曲线 (AUC-ROC) 下的面积,选择了miRNA生物标记集.
主要成果:
- 确定了特定的差异表达的miRNAs (hsa-miR-21-3p,hsa-miR-186-5p,hsa-miR-32-3p).
- 一个最佳的miRNA集 (hsa-miR-186-5p,hsa-miR-21-3p,hsa-miR-197-5p,hsa-miR-29a-5p,hsa-miR-296-5p) 在区分疾病状态方面实现了高精度.
- 使用AUC-ROC选择生物标志物的SVM模型实现了0.96的AUC-ROC和0.94的CAD和MI分类的准确性.
结论:
- 来自PBMCs的miRNA签名是心血管疾病的有价值的新生物标志物.
- 已识别的miRNA面板显示出高的诊断潜力.
- 机器学习提高了miRNA生物标志物的实用性在临床环境中.
