通过多个微RNA在血外体中预测胰腺癌的手术前治疗反应:利用机器学习和网络分析进行优化

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物标志物 生物标志物

背景情况:

• 微RNAs (miRNAs) 在胰腺癌 (PC) 中的化学敏感性中发挥作用.
• 使用单个miRNA模型预测PC中的治疗反应是有限的.
• 机器学习可能会提高预测准确度.

研究的目的:

• 开发和验证一个多个miRNA预测模型,用于胰腺癌手术前治疗反应.
• 为了研究一台机器学习优化的miRNA组合是否能提高比单个miRNA的预测准确度.
• 评估外周血液外体miRNAs的临床实用性,以预测PC的治疗反应.

主要方法:

• 用新辅助化疗治疗的PC患者的发现队列 (n=20) 和验证队列 (n=66).
• 在发现队列中使用miRNA微阵列和机器学习来识别来自等离子体外体的候选miRNA.
• 在验证队列中的定量逆转录聚合酶连锁反应 (qRT-PCR) 验证预测性能.

主要成果:

• 在发现队列中,分别发现了6个和3个miRNA与良好和不良反应相关.
• 结合的miRNA模型显著提高了预测准确性 (AUC为0.909的良好反应,0.788的不良反应) 与单个miRNAs相比.
• 验证队列证实了结合miRNA模型的预测性能的改善 (AUC为0.777对良好反应者,0.685对不良反应者).

结论:

• 周围血液外体miRNA配置文件为预测胰腺癌手术前治疗反应提供了一个有希望的途径.
• 通过机器学习识别的miRNAs的优化组合提高了预测的准确性.
• 这种多miRNA方法可能会导致PC患者更个性化的治疗策略.