基于MiRNA的外体向多向,个性化肺癌治疗的多途径干预:预后预测和生存风险评估

科学领域:

• 癌症学
• 生物标志物
• 生物信息学

背景情况:

• 肺癌是全球首要的死亡原因,
• 在早期肺癌检测和预后方面, 外体正在成为关键的生物标志物.
• 细胞外体包装着反映瘤进展和转移的分子载荷, 实现精确医学.

研究的目的:

• 使用外体miRNA资料开发肺癌治疗的预后模型.
• 确定与肺癌治疗和生存相关的特定miRNA和目标基因.
• 分析miRNA表达和患者结果之间的关系.

主要方法:

• 使用GSE207715数据集进行分析.
• 应用机器学习和基于变压器的深度学习,用于预测nivolumab治疗的疗效.
• 预测了miRNA-目标基因相互作用,并进行了路径丰富分析 (GO,KEGG).
• 使用考克斯回归来评估miRNA表达和患者的存活率.

主要成果:

• 观察到与nivolumab治疗结果相关的显著外体miRNA特征.
• 机器学习模型的预测准确度在0.6731和0.6923之间.
• 这种深度学习模型的精度高达0.9412.
• 在生存风险分析中hsa- let-7cmiRNA具有统计意义 (p=0. 0152).

结论:

• 外体miRNA分析显示,预测肺癌治疗效果和存活率具有前景.
• 开发的深度学习模型有效地捕捉微妙的miRNA表达差异.
• 这种方法为个性化非小细胞肺癌治疗策略提供了一个强大的平台.