通过机器学习方法评估临床显著的miRNAs水平,利用总转录组数据.

科学领域:

• 生物信息学是一种生物信息学.
• 分子生物学分子生物学
• 癌症研究 癌症研究

背景情况:

• 癌症的发生和进展机制是关键的研究目标.
• 奥米克数据,特别是转录组,为RNA表达和调节提供了详细的见解.
• 了解RNA相互作用对于癌症生物信息学至关重要.

研究的目的:

• 分析不同癌症类型的特定微RNA (miRNA) 和其他RNA之间的相关性.
• 研究miRNA表达对小核RNA (snoRNA) 和长非编码RNA (lncRNA) 的依赖.
• 建立一个全面的数据库,用于识别各种癌症中的RNA表达依赖性.

主要方法:

• 汇集了一个大规模的转录基因数据集,来自超过160种癌症类型的16000名癌症患者.
• 利用梯度增强算法来识别四种特定的miRNA和约60,660种其他RNA之间的相关性.
• 专注于hsa-mir-21,hsa-let-7a-1,hsa-let-7b和hsa-let-7i的表达水平. 这是一个很好的方法.

主要成果:

• 发现研究miRNAs和特定snoRNAs和lncRNAs的表达之间存在显著的依赖性.
• 证实了在癌症发展中确定的RNA作用得到了先前的实验证据的支持.
• 建立了识别各种癌症中更广泛的RNA表达依赖性的基础.

结论:

• 癌症中关键miRNAs的表达受到其他调节性RNAs (如snoRNAs和lncRNAs) 的影响.
• 开发的数据库是未来癌症研究和生物标志物发现的宝贵资源.
• 这项工作有助于识别新的癌症特异性RNA变异.