在高风险儿科急性淋巴细胞白血病中自动ML识别microRNA生物标志物

科学领域:

• 在瘤学瘤学.
• 遗传学 是一个遗传学.
• 生物标志物发现发现

背景情况:

• 儿童急性淋巴细胞白血病 (ALL) 的生存率有所改善,但复发仍然是一个重大挑战.
• 微RNAs (miRNAs) 正在成为改善ALL诊断,治疗和患者结果的关键生物标志物.
• 确定可靠的生物标志物对于分层患者和个性化儿童ALL治疗策略至关重要.

研究的目的:

• 识别与儿童高风险特征和遗传亚型相关的新型microRNA签名 ALL.
• 利用自动机器学习 (AutoML) 和因果启发的方法来发现生物标志物.
• 根据已确定的高风险临床特征验证已识别的miRNA签名.

主要方法:

• 分析了123名儿科ALL患者的RNA测序数据.
• 使用自动机器学习 (AutoML) 进行了预测建模.
• 使用因果启发式生物标志物发现方法来识别显著的miRNA签名.

主要成果:

• 对于高风险的ALL层和不利的临床特征,确定了高度预测性的miRNA签名.
• 对于儿童ALL的每个遗传亚型,发现了不同的miRNA签名,在亚型中指出了共享的miRNA.
• 发现了一种区分B细胞ALL (B-ALL) 和T细胞ALL (T-ALL) 的特征,与亡有关.
• miR-223被确定为高风险分层和耐化学药可测残留病 (MRD) 阳性病例的关键miRNA.

结论:

• 自动机器学习 (AutoML) 可以揭示儿科ALL的新生物学见解.
• 已识别的miRNA签名有可能改善儿童ALL的诊断,风险分层和治疗策略.
• 这些发现强调了miRNA生物标志物的价值,以了解和打击儿科ALL复发.