慢性疼痛和针反应的循环微RNA生物标志物:一个探索性的高维小样本研究

科学领域:

• 发现生物标志物的发现.
• 奥米克斯数据分析数据分析.
• 神经科学是一个神经科学.

背景情况:

• 慢性疼痛涉及神经可塑性和神经炎症,可能反映在microRNA配置文件中.
• 针止痛包括神经递质和突触可塑性调节.
• 高维小样本 (HDSS) 数据由于特征与样本大小的比率,导致生物标志物发现存在挑战.

研究的目的:

• 开发和验证一个强大的框架,用于HDSS生物标志物发现.
• 建立一个模拟验证的管道,在极端的HDSS场景中解决预处理不稳定性和模型选择.
• 为了识别慢性部疼痛和针反应的微RNA生物标志物.

主要方法:

• 从6名经过针治疗的慢性部疼痛患者的血微RNA资料分析.
• 集成可靠的预处理 (Winsorization,arcsinh,缩放) 和嵌套交叉验证 (LASSO/弹性网).
• 应用 permutation 测试 (10,000 次代) 和广泛的 HDSS 因数模拟 (19,440 次运行).

主要成果:

• 一个具有统计学意义的预测模型 (变量p<0.001) 具有适度的性能 (斯皮尔曼ρ=-0.217).
• 模拟基准测试将相关系数置于第91个百分点.
• 确定与疼痛和针反应相关的三种微RNA面板 (miR-3681-3p,miR-4743-5p,miR-6822-5p).
• 途径分析将微RNA与PI3K-Akt/mTOR,TGF-β信号传递,突触可塑性和神经炎症联系起来.

结论:

• 为HDSS生物标志物发现开发了一个严格验证的框架.
• 该框架在挑战HDSS数据方面显示出具有统计学意义的预测能力.
• 该方法广泛适用于其他传统验证失败的HDSSomics研究.