A comprehensive in silico analysis and experimental validation of miRNAs capable of discriminating between lung adenocarcinoma and squamous cell carcinoma
Notice bibliographique
Résumé
Background: Accurate differentiation between lung adenocarcinoma (AC) and lung squamous cell carcinoma (SCC) is crucial owing to their distinct therapeutic approaches. MicroRNAs (miRNAs) exhibit variable expression across subtypes, making them promising biomarkers for discrimination. This study aimed to identify miRNAs with robust discriminatory potential between AC and SCC and elucidate their clinical significance. Methods: MiRNA expression profiles for AC and SCC patients were obtained from The Cancer Genome Atlas (TCGA) database. Differential expression analysis and supervised machine learning methods (Support Vector Machine, Decision trees and Naïve Bayes) were employed. Clinical significance was assessed through receiver operating characteristic (ROC) curve analysis, survival analysis, and correlation with clinicopathological features. Validation was conducted using reverse transcription quantitative polymerase chain reaction (RT-qPCR). Furthermore, signaling pathway and gene ontology enrichment analyses were conducted to unveil biological functions. Results: Five miRNAs (miR-205-3p, miR-205-5p, miR-944, miR-375 and miR-326) emerged as potential discriminative markers. The combination of miR-944 and miR-326 yielded an impressive area under the curve of 0.985. RT-qPCR validation confirmed their biomarker potential. miR-326 and miR-375 were identified as prognostic factors in AC, while miR-326 and miR-944 correlated significantly with survival outcomes in SCC. Additionally, exploration of signaling pathways implicated their involvement in key pathways including PI3K-Akt, MAPK, FoxO, and Ras. Conclusion: This study enhances our understanding of miRNAs as discriminative markers between AC and SCC, shedding light on their role as prognostic indicators and their association with clinicopathological characteristics. Moreover, it highlights their potential involvement in signaling pathways crucial in non-small cell lung cancer pathogenesis.
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 | 0,000 | 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 ».