Microarray Expression Profiling of microRNAs Reveals Potential Biomarkers for Hepatocellular Carcinoma
Notice bibliographique
Résumé
Hepatocellular carcinoma (HCC) remains a major health problem for delayed diagnosis, inefficient surveillance and poor prognosis. Recent studies have indicated that non-coding RNAs contribute to the development of new strategies for diagnosis and treatment of HCC. In the present study, we employed 18 pairs of HCC and matched non-tumor tissues for the identification of differentially expressed microRNAs (miRNAs) in HCC, among which 7 paired specimens were selected randomly for microarray detection. Totally, twenty-three miRNAs were screened out to have statistically significant differences with the threshold of P < 0.01 and fold-change ≥ 2.0 or ≤ 0.5 using miRNA microarray. In the validation stage, two miRNAs exhibited higher expression levels in the HCC tissues compared with those in the matched non-tumor tissues, whereas the expression levels of ten miRNAs were lower in the HCC tissues than those in the matched non-tumor tissues. In further analysis, eight miRNAs, including miR-4270, miR-125b-5p, miR-199a-3p, miR-10a-5p, miR-424-5p, miR-195-5p, miR-106b-5p and miR-3651, were retained, when another constraint about the signal intensity of microarray probes was established. Among these miRNAs, our study was the first to show the higher expression level of miR-3651 and the lower expression level of miR-4270 in HCC. The areas under the receiver-operating-characteristic curve values of miR-3651 and miR-4270 were 0.730 and 0.967, respectively, indicating their potential diagnostic values. Our results may help provide the context for expanded interpretations of miRNA studies involved in the progression of liver disease, potentially serving as a diagnostic tool of HCC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».