Customized Internal Reference Controls for Improved Assessment of Circulating MicroRNAs in Disease
Notice bibliographique
Résumé
BACKGROUND: Altered levels of circulating extracellular miRNA in plasma and serum have shown promise as non-invasive biomarkers of disease. However, unlike the assessment of cellular miRNA levels for which there are accepted housekeeping genes, analogous reference controls for normalization of circulating miRNA are lacking. Here, we provide an approach to identify and validate circulating miRNA reference controls on a de novo basis, and demonstrate the advantages of these customized internal controls in different disease settings. Importantly, these internal controls overcome key limitations of external spike-in controls. METHODS: Using a global RT-qPCR screen of 1066 miRNAs in plasma from pulmonary hypertension patients (PAH) and healthy subjects as a case example, we identified a large pool of initial candidate miRNAs that were systematically ranked according to their plasma level stability using a predefined algorithm. The performance of the top candidates was validated against multiple comparators, and in a second independent cohort of PAH and control subjects. The broader utility of this approach was demonstrated in a completely different disease setting with 372 miRNAs screened in plasma from septic shock patients and healthy controls. RESULTS: Normalization of data with specific internal reference controls significantly reduced the overall variation in circulating miRNA levels between subjects (relative to raw data), provided a more balanced distribution of up- and down-regulated miRNAs, replicated the results obtained by the benchmark geometric averaging of all detected miRNAs, and outperformed the commonly used external spike-in strategy. CONCLUSIONS: We demonstrate the feasibility of identifying circulating reference controls that can reduce extraneous technical variations, and improve the assessment of disease-related changes in plasma miRNA levels. This study provides a novel conceptual framework that addresses a critical and previously unmet need if circulating miRNAs are to advance as reliable diagnostic tools in medicine.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».