介绍新的microrna作为甲状腺癌的诊断方法。

导言：根据《全球癌症统计》，2020 年全球甲状腺癌病例达 586,000 例，发病率排名第九。据预测，到 2023 年，美国将有近 43720 人被诊断患有这种疾病，使其成为最常见的内分泌恶性肿瘤之一。因此，找到早期诊断和改善预后的新方法至关重要。MicroRNA 表达分析在检测各种癌症方面受到广泛关注。生物信息学是跨学科的新兴知识，因此，将基础科学与临床诊断及其影响联系起来是有益的。本研究的目标是通过应用生物信息学检测和机器学习算法，找到与甲状腺癌发病机制有关的重要 microRNA 基因。我们希望这些microRNA能成为确定疾病状态的潜在生物标志物：利用癌症基因组图谱计划数据库中的数据对甲状腺癌患者进行了RNA表达谱分析。此外，还利用来自 microRNA 数据库的信息对这些患者进行了 microRNA 表达谱分析。差异表达分析利用先进的机器学习方法确定了与甲状腺癌相关的关键诊断 microRNA。此外，还利用接收者操作特征曲线对诊断意义进行了评估，以确定预测患者预后的潜在生物标志物。这种方法将前沿的计算技术与临床数据相结合，提高了我们对基于微RNA的甲状腺癌诊断方法的认识：结果表明，hsa.mir.105.1的表达变化在甲状腺癌的发病机制中起着重要作用。此外，hsa.mir.105.1和hsa.mir.181b.2以及hsa.mir.105.1和hsa.mir.204的差异表达会加剧甲状腺癌的进展。评估指标证明了机器学习模型的有效性，最小均方误差为 0.005，均方根误差为 0.076，表明预测准确。R 平方值为 0.93，表明该模型有能力解释数据中的大部分差异。这几个 hsa.mir 标记的组合可被认为是诊断性的，第一和第二组合的灵敏度为 0.780，特异性分别为 0.881 和 0.966。此外，曲线下面积值分别为 0.858 和 0.897：通过生物信息学研究和机器学习技术，对几种新型 microRNA 基因的组合表达分析发现了有前景的甲状腺癌诊断生物标志物。这项研究加深了我们对这种恶性肿瘤发病机制的了解。由于有可能在癌症的早期阶段发现它，及时治疗可以大大提高患者的生存率。