一种基于进化学习的方法,用于识别循环的miRNA签名,用于乳腺癌诊断预测
Srinivasulu Yerukala Sathipati1, Ming-Ju Tsai2,3, Nikhila Aimalla4
1Center for Precision Medicine Research, Marshfield Clinic Research Institute, Marshfield, WI 54449, USA.
NAR genomics and bioinformatics
|February 26, 2024
概括
一种名为BSig的新方法识别了12微RNA的特征,用于准确检测乳腺癌 (BC). 这种工具有助于早期诊断和潜在的针对性治疗BC患者.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌 (BC) 是全球领先的癌症诊断.
- 微RNAs (miRNAs) 是重要的调节分子和潜在的癌症生物标志物.
- 识别循环miRNA签名可以改善BC生存和治疗策略.
研究的目的:
- 开发一种用于识别循环miRNA签名的方法,用于BC诊断预测.
- 为早期BC检测建立一个紧的miRNA标记器集.
主要方法:
- 开发了一种以进化学习为基础的方法,命名为BSig.
- 分析了1280名BC患者和2686名健康对照的血清miRNA表达特征.
- 利用生物信息学和基因组丰富分析用于目标基因识别和机制理解.
主要成果:
- 在一个独立的测试组中,BSig实现了出色的预测性能,准确率为99.90%,AUC为0.99.
- 确定了12个特定的miRNA的特征 (例如,hsa-miR-3185,hsa-miR-3648) 对于BC诊断预测至关重要.
- 发现了65个BC特定的miRNA点基因,并阐明了它们的潜在机制.
结论:
- BSig是使用循环miRNA签名准确检测乳腺癌的强大工具.
- 已识别的miRNA和基因为BC的新型诊断和治疗策略提供了潜在的潜力.
- BSig是公开可用的,以促进BC检测和治疗选择.
