相关实验视频
Updated: Sep 10, 2025
11:29
miRNA Expression Analyses in Prostate Cancer Clinical Tissues
Published on: September 8, 2015
10.9K
整合miRNA分析和机器学习,以改善前列腺癌诊断
Shweta Singh1, Abhay Kumar Pathak2, Sukhad Kural3
1MIRNOW, BIONEST, Banaras Hindu University, Varanasi, India.
Scientific reports
|August 19, 2025
概括
这项研究表明,用机器学习分析血液中的microRNA (miRNA) 生物标志物,可以改善前列腺癌 (PCa) 诊断. 这种方法比传统的PSA测试更准确,可以区分PCa和良性前列腺增生 (BPH).
科学领域:
- 生物标志物 生物标志物
- 在瘤学瘤学.
- 分子诊断学 分子诊断学
背景情况:
- 前列腺癌 (PCa) 诊断是具有挑战性的,因为症状重叠与良性前列腺增生 (BPH) 和PSA测试的局限性.
- 现有的诊断工具具有较高的错误阳性率,因此需要改进精确检测PCa的方法.
研究的目的:
- 研究全血中微RNA (miRNA) 生物标志物的诊断潜力,以区分PCa和BPH.
- 评估机器学习 (ML) 模型在分析miRNA表达数据的有效性,以提高诊断准确性.
主要方法:
- 前性队列研究分析全血miRNA表达,使用逆转录聚合酶连锁反应.
- 开发和验证使用miRNA表达水平和比率的随机森林ML模型.
- 生物信息学分析以确定与特定miRNAs相关的癌症相关途径.
主要成果:
- 特定的miRNAs (miR-21-5p,miR-141-3p,miR-221-3p) 被确定为PCa和BPH之间的显著歧视因素.
- 在验证中,ML模型获得了77.42%的准确性和0.78 AUC,在验证中获得了74.07%的准确性和0.75 AUC.
- 与PSA测试相比,miRNA表达比率显示出更高的灵敏度和特异性.
结论:
- 与ML集成的全血miRNA分析提供了一种有希望的非侵入性方法,用于提高PCa诊断精度.
- 确定的miRNAs具有生物学相关性,与PD-L1 / PD-1和雄激素受体信号传导等关键癌症途径有关.
- 对于基于miRNA的诊断的临床翻译,需要对更大的群体和标准化的协议进行进一步的研究.
