在TCGA数据集上识别肉瘤中的新型诊断和预后微RNA:生物信息学和机器学习方法

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 微RNA (miRs) 在癌症的发展中起着至关重要的作用.
• 鉴定肉瘤中的特定miR模式对于了解疾病机制至关重要.
• 需要新的诊断和治疗目标来有效地治疗肉瘤.

研究的目的:

• 在肉瘤患者中识别独特的microRNA (miR) 模式.
• 探索这些miRs在医疗管理方面的潜力,包括诊断和预后.
• 调查已识别的miRs的功能作用和临床相关性.

主要方法:

• 利用癌症基因组图谱 (TCGA) 数据集用于miR识别.
• 采用深度神经网络 (DNN) 进行新的miR发现和分析.
• 执行功能丰富分析,路径识别和网络构建.
• 应用COX回归,Kaplan-Meier和CombioROC分析用于生存和诊断评估.

主要成果:

• 发现了1046 miRs,其中10个被选择用于进一步的DNN分析.
• 在肉瘤患者中确定了miR水平和整体存活率之间的显著关联.
• 结合miR.3688和miR.3936显示出高的诊断准确性.
• 丰富的基因本体学路径表明在癌症发育中的功能性作用.

结论:

• 独特的miR签名与肉瘤的发展和患者的结果有关.
• 已识别的miRs作为早期瘤检测和预后的生物标志物具有前途.
• 特定的miR可以作为肉瘤治疗的潜在治疗点.
• 需要进一步的临床验证来证实这些发现.