First pan-endocrine meta-analysis identifies MIR-221 as a cross-tumour transcriptomic biomarker: a machine learning framework for precision surgical oncology
Notice bibliographique
Résumé
Abstract Background Surgical decision-making in endocrine malignancies is often confounded by heterogeneous biology, multifocality and unpredictable recurrence. In this context, microRNAs (miRNAs) have emerged as non-invasive biomarkers with translational potential. Their integration could refine diagnostic and prognostic pathways across thyroid, adrenal, parathyroid and neuroendocrine tumours. Although tumour-specific miRNA signatures have been reported, no unifying biomarker has been validated across endocrine cancers. This study presents the first transcriptomic, machine learning-integrated meta-analysis with in-silico pathway mapping to identify dominant miRNA classifiers, building on prior findings in a 30-patient indeterminate thyroid nodule cohort. Method A systematic review and meta-analysis of 34 studies (n = 3412) was performed. Pooled diagnostic metrics (Area Under Curve [AUC], sensitivity) and prognostic estimates (hazard ratios) were derived using DerSimonian–Laird and Bayesian hierarchical models. SHapley Additive exPlanations (SHAP) and Local Interpretable Model-agnostic Explanations (LIME) assessed feature attribution. Logistic regression evaluated additive effects. Validated targets were mapped to canonical pathways using support vector machine (SVM)-ranked miRDB, miRWalk and TarBase databases. Risk of bias was evaluated using Newcastle-Ottawa. Results miR-221 emerged as the highest-ranking biomarker (AUC 0.841;HR 10.10;P < 0.001), improving multi-miRNA classifiers by +0.07 AUC. SHAP and LIME confirmed dominance over miR-146b (AUC 0.60) and miR-375 (AUC 0.66). In thyroid cancer alone, miR-221 achieved 88% sensitivity, outperforming cytology (60–75%) and ultrasound (52–85%). Logistic regression validated it as the top individual classifier (AUC 0.77). Validated targets were enriched in MAPK and PI3K–Akt. Conclusion We propose miR-221 as the first cross-endocrine molecular marker with both diagnostic and prognostic value. A translational pipeline is planned, including prospective validation in a 30-patient indeterminate thyroid cohort.
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 | 0,037 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,029 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».