通过机器学习分析长链非编码 RNA 生成的 166 个生物标志物目录

多伦多——(2021 年 11 月 15 日)在一个以前很少有人关注的地区发现了一批新的癌症预后生物标志物。研究人员公布了 166 种预后生物标志物的目录，这些生物标志物是通过分析长链非编码 RNA (lncRNAs) 生成的，这些生物标志物在癌症研究中尚未得到充分研究。此外，目录中的一种生物标志物在将神经胶质瘤(脑癌)分类为低风险或高风险方面非常有效。这些发现证明了 lncRNA 作为临床生物标志物和潜在治疗靶点的潜力，在生物标志物和癌症生物学研究中开辟了新天地，并为有关非编码 RNA 失调在癌症中的作用的新兴科学增添了新的内容。

该研究发表在Cell Reports 上，由安大略癌症研究所 (OICR) 首席研究员 Jüri Reimand 博士和 Lunenfeld-Tannenbaum 研究所 (LTRI) 首席研究员 Daniel Schramek 博士共同领导，使用机器学习针对 30 种癌症类型的近 9,500 个癌症样本评估 5,600 个潜在的 lncRNA 生物标志物。这将研究范围缩小到 166 个被发现与患者生存相关的 lncRNA。在临床环境中，这些生物标志物可能用于提高临床变量、分子特征和癌症亚型的预测价值，以更好地预测患者的预后。

在他们的目录中，研究人员将注意力集中在一个名为HOXA10-AS 的lncRNA 上，他们最初的机器学习分析显示，这是一个强有力的候选者，可作为预后生物标志物，将患者分为低危或高危脑癌。为了证实他们的机器学习分析的结果，他们在一个新的脑癌数据集上进行了测试，该数据集由位于中国上海的合著者生成，由华山医院领导。

受到机器学习结果的鼓舞，该团队开始使用源自患者的癌细胞、异种移植物和类器官模型进行功能生物学验证。这些步骤不仅证实了HOXA10-AS可以作为一个强大的生物标志物，而且作为一个潜在的治疗靶点，因为它在脑癌的几个重要生物学途径中发挥作用。例如，HOXA10-AS 的过表达与细胞侵袭增加有关，而降低水平会抑制细胞增殖——这两个都是脑癌的重要标志。

这些生物学实验还提供了HOXA10-AS 中表现出的“开关样”行为及其与患者结果的联系的进一步证据。该 lncRNA 的缺乏表达与低风险脑肿瘤相关，而高表达与侵袭性肿瘤相关。

“我们对这项研究的结果感到兴奋，它不仅产生了新的生物标志物和对癌症生物学的见解，而且还提供了继续探索癌症转录组以帮助患者的新发现的动力，”Reimand 说，他的团队领导了该机器学习分析。“我们才刚刚开始触及 RNA 在癌症中的作用的表面，随着全转录组测序在临床中变得越来越普遍，并且有更多数据可用，我们已经准备好获得更多发现。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！