机器学习驱动的预测肺腺癌中的大脑转移,使用mRNA数据集的miRNA资料和目标基因路径分析

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物标志物发现发现

背景情况:

• 大脑转移 (BM) 是肺腺癌 (LUAD) 的常见和严重并发症.
• 微RNAs (miRNAs) 与癌症进展有关,但它们在LUAD BM中的作用尚未完全理解.
• 在LUAD中预测BM的生物标志物对于患者的预后至关重要.

研究的目的:

• 在LUAD中识别与BM相关的miRNA表达特征.
• 评估已识别的miRNA个人资料对BM的预测能力.
• 探索涉及LUAD BM的分子通路.

主要方法:

• 在LUAD组织样本中的miRNAs的差异表达分析来自有或没有BM的患者.
• 机器学习方法来验证miRNA配置文件的预测能力.
• 对miRNA目标的途径和基因表达分析 (mRNA,TWIST,维丁,EGFR).

主要成果:

• 鉴定了一种独特的25-miRNA特征,在预测BM方面显示出高准确度 (AUC高达0.918).
• 25-miRNA 档案预测了 BM 的 LUAD 患者的生存率较差.
• 相关途径包括ErbB信号传递,癌症蛋白质糖和焦点粘附;在预测的BM病例中,表皮-介质细胞过渡标记被上调.

结论:

• 鉴定到的25-miRNA概况显示出作为LUAD中BM预测生物标志物的显著潜力.
• 这种生物标志物可以帮助早期检测和风险分层的LUAD患者.
• 了解分子通路可以让我们深入了解LUAD BM的病原性.