确定恶性肺结节相关的circRNAs,并开发一个预测模型来估计肺结节恶性瘤的概率
Keping Chen1, Huidi Sun1, Rui Zhang2
1Clinical Laboratory, School of Medicine, Zhongda Hospital, Southeast University, Nanjing, China.
Journal of thoracic disease
|September 15, 2025
概括
精确估计肺结节 (PNs) 中的恶性瘤对于早期肺癌管理至关重要. 这项研究开发了一个风险预测模型,结合了神经元特异性酶 (NSE) 和一种新的生物标志物hsa_circCFLAR_008,实现了高诊断性能.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 基因组学就是基因组学.
背景情况:
- 无症状肺结节 (PNs) 的发病率越来越高,需要对早期肺癌管理进行准确的恶性瘤评估.
- 区分恶性和良性PNS对于适当的患者治疗策略至关重要.
研究的目的:
- 为了确定恶性肺结节的危险因素.
- 开发和验证恶性PNS的预测模型.
- 探索用于PN恶性瘤检测的新生物标志物.
主要方法:
- 纳入了691名PNS患者和62名对照患者,收集了临床,成像和血清数据.
- 进行了转录组测序,以识别与恶性PNS相关的循环RNA (circRNAs).
- 测量了与瘤相关的抗原,自身抗体 (AAbs),并使用后勤回归和ROC分析开发了一个风险预测模型.
主要成果:
- 神经元特异性酶 (NSE) 水平在恶性PN中显著更高 (P<0.001).
- 在恶性PNS中观察到较高的自身抗体 (AAb) 阳性率和计数.
- Hsa_circCFLAR_008在恶性PN中升调 (P=0.04),风险模型显示AUC为0.8241,验证为0.8344.
结论:
- 建立了一种针对恶性肺结节的验证风险预测模型.
- Hsa_circCFLAR_008证明了作为一种新生物标志物的潜力,提高了恶性PNS模型的诊断性能.
