整合多队列机器学习和临床样本验证,以探索前列腺癌的外周血液mRNA诊断生物标志物

科学领域:

• 在瘤学瘤学.
• 生物标志物发现发现
• 液体活检技术 液体活检技术

背景情况:

• 全球前列腺癌 (PCa) 发病率正在上升,需要改善早期诊断和治疗.
• 液体活检为PCa诊断和监测提供了一种最少的侵入性方法.
• 目前的PCa液体活检依赖于前列腺特异性抗原 (PSA),其特异性和诊断准确性有限.

研究的目的:

• 为了确定新的液体活检生物标志物,用于早期和精确的PCa诊断.
• 开发和验证基于RNA的PCa诊断面板.

主要方法:

• 集成了12个机器学习算法来构建113个PCa诊断的组合模型.
• 使用TCGA和GEO数据集验证的预测模型,随后进行细胞线实验.
• 在PCa和良性前列腺增生症 (BPH) 患者的血样本中评估RNA生物标志物表达.

主要成果:

• 包括AOX1和B3GNT8在内的9基因诊断小组显示出高诊断效率 (平均AUC=0.91).
• AOX1和B3GNT8被验证为强大的RNA生物标记物,在血中具有PCa特异性表达.
• AOX1和B3GNT8在诊断准确度方面表现优于PSA (联合AUC=0.91) 并显示在早期PCa.

结论:

• 一个集成的机器学习方法成功开发了一个基于RNA的PCa诊断面板.
• AOX1和B3GNT8被确定为具有显著临床诊断价值的新型液体活检生物标志物.
• 这些发现为早期和精确的PCa诊断提供了新的目标.