深度学习促进了在单个细胞外囊中多个miRNA的分析,用于癌症诊断
Xue-Wei Zhang1, Gong-Xiang Qi1, Meng-Xian Liu1
1Research Center for Analytical Sciences, Department of Chemistry, College of Sciences, Northeastern University, Box 332, Shenyang 110819, China.
ACS sensors
|March 5, 2024
概括
使用全内部反射光 (TIRF) 成像和深度学习 (DL) 进行单个细胞外囊微RNA (EV miRNA) 的分析,可实现精确的癌症诊断. 这种方法在分类单个EV时达到95%以上的准确性,在临床癌症患者预测中达到100%的准确性.
科学领域:
- 生物标志物和诊断仪器
- 纳米技术和单囊分析.
- 癌症研究 癌症研究
背景情况:
- 细胞外囊泡微RNAs (EV miRNAs) 是癌症早期检测的重要非侵入性生物标志物.
- 对EV miRNAs的批量分析受到异质性的限制,妨碍了准确的诊断.
- 需要单个EV分析来克服异质性并提高诊断特异性.
研究的目的:
- 开发一种新的方法来分析单个EV多个miRNA签名.
- 将全内部反射光 (TIRF) 成像与深度学习 (DL) 算法相结合,用于精确的EV miRNA表征.
- 为了证明单个EV miRNA分析用于癌症诊断和分类的潜力.
主要方法:
- 利用TIRF成像用于在单个EV中检测多miRNA的高分辨率,高信号噪声比.
- 采用DL算法进行自动化,高分辨率图像分析,绕过复杂的手动特征提取.
- 应用了结合的TIRF-DL方法来分析来自癌细胞,正常血和临床队列的EV.
主要成果:
- 确定了一个独特的三重阳性EV亚群作为癌细胞和正常血之间变化的关键来源.
- 对于来自六个不同来源的单一三重阳性电动汽车,实现了超过95%的分类准确性.
- 在20名患者和5名健康对照的临床队列中,在预测癌症状况 (肺,乳腺,宫,结肠) 方面表现出100%的整体准确性.
结论:
- 开发的单EV多miRNA分析策略精确地描述了单囊层的miRNA签名.
- 这种创新技术克服了EV异质性,为癌症生物标志物发现提供了更具体的方法.
- 临床预测的高精度凸显了这种单一EV策略在推进癌症诊断和分类方面的潜力.
