XiaoMi-AI文件搜索系统
World File Search SystemMIRNA
基于miRNA的肺癌疗法
摘要：肺癌是一种通常被诊断出的癌症，也是与癌症相关死亡的主要原因，带来了严重的健康风险。尽管近年来，免疫检查点和靶向疗法的新进展，但肺癌患者的预后，尤其是那些处于晚期阶段的患者的预后仍然很差。microRNA（miRNA）已被证明可以在多个水平上调节肿瘤的发育，因此，旨在调节miRNA的miRNA模拟物和分子在临床前发育中显示出希望。更重要的是，基于miRNA的疗法还可以补充常规的化学放疗，免疫疗法和靶向疗法，以逆转耐药性并提高肺癌细胞的敏感性。此外，小型干扰RNA（siRNA）和基于miRNA的疗法已进入临床试验，并显示出有利的发育前景。因此，在本文中，我们回顾了基于miRNA的肺癌治疗以及辅助治疗的最新进展，并介绍了临床肺癌治疗的现状。我们还讨论了基于miRNA的疗法在肺癌治疗的临床应用中面临的挑战，以提供新的肺癌疗法的新思想。
AGO2蛋白：miRNA途径中的关键酶是肾上腺皮质癌中的一种新生物标志物
肾上腺皮质癌（ACC）是一种罕见且侵略性的恶性肿瘤，其特征是诊断挑战，高复发率和预后不良。这项研究探讨了miRNA加工基因在ACC中的作用及其作为诊断和预后生物标志物的潜在作用。我们分析了使用癌症基因组图（TCGA）和基因型 - 型 - 型 - 基因组表达（GTEX）项目的mRNA-SEQ数据，分析了miRNA机械组件（Drosha，DGCR8，XPO5，RAN，DICER，DICER，TARBP2和AGO2）的mRNA表达水平。此外，在科林医学研究所的肿瘤库的组织样品中量化了蛋白质水平。我们的结果表明，与正常的肾上腺皮质和良性肾上腺腺瘤相比，AGO2在所有miRNA加工成分中均表现出明显的过表达（P <0.001）。kaplan – Meier生存分析表明，ACC患者的总体生存率明显较差（HR：7.07，p <0.001）。在TCGA的32种癌症类型中，AGO2的预后意义在ACC中最为突出。这项研究是第一个在ACC中报道AGO2作为诊断和预后生物标志物的潜力，强调了其在ACC发病机理和潜在应用中作为无创液体活检生物标志物的重要性。
合成剂量补偿miRNA回路允许精确基因治疗RETT综合征
基因疗法的长期挑战是在紧密的治疗窗口内表达对剂量敏感的基因。例如，MECP2功能的丧失会导致RETT综合征，而其重复会导致MECP2重复综合征。病毒基因递送方法在单个细胞中生成可变数量的基因拷贝，从而需要基因剂量不变的表达系统。在这里，我们引入了一个基于紧凑的miRNA，不一致的前馈回路，该回路可实现细胞和大脑中MECP2表达的精确控制，并改善基于AAV的RETT综合征基因疗法的小鼠模型。内源性和异位MECP2 mRNA的单分子分析揭示了在广泛的基因剂量上的精确，持续的表达。在攻击大脑的AAV Capsid中系统地交付，该电路在超过24周内强烈抑制了RETT行为症状，表现优于不受监管的基因治疗。这些结果表明，基于合成miRNA的调节回路可以使精确的体内表达能够提高基因治疗的安全性和功效。
尿miRNA签名作为Hirschsprung病的潜在非侵入性诊断生物标志物
hirschsprung疾病（HSCR）的特征是胃肠道中没有神经节细胞的先天性缺失，从而导致排便，便秘和肠梗阻受损。当前的HSCR诊断是基于直肠吸力活检（RSB），这在新生儿中可能很复杂。有时会延迟诊断会增加临床并发症的风险。因此，有新的非侵入性诊断方法是客观的，更可行的，并且为潜在的手术干预提供了更早的基础。近年来，MicroRNA（miRNA）已成为相关的早期标志物的重点，该标志物可以提供对疾病的病因和进展的更多见解。因此，在寻找非侵入性HSCR生物标志物时，我们分析了HSCR患者尿液样品中的miRNA表达。使用微阵列的5例HSCR患者的结果显示，HSA-MIR-378 H，HSA-MIR-210-5P，HSA-MIR-6876-3P，HSA-MIR-634和HSA-MIR-634和HSA-MIR-6883-3P是最上升的miRNA；而HSA-MIR-4443，HSA-MIR-22-3P，HSA-MIR-4732-5P，HSA-MIR-3187-5P和HSA-MIR-371B-5P最下调的miRNA。在mirnawalk和mirdb数据库中进一步搜索表明，这些失调的miRNA肯定鉴定出靶标HSCR相关基因，例如RET，GDNF，BDNF，BDNF，EDN3，EDNRB，ERBB，ERBB，NRG1，NRG1，SOX10；以及神经元迁移和神经发生中暗示的其他基因。最后，我们还可以通过RT-QPCR验证HSCR尿中的一些miRNA变化。总的来说，我们的分析的HSCR队列表现出失调的miRNA表达表达，可以在尿液中检测到。我们的发现为将来使用特定的尿液miRNA特征作为非侵入性HSCR诊断方法开辟了可能性。
通过自动化机器学习进行全面的血清 miRNA 测序，早期发现胰腺癌
背景：胰腺癌通常在晚期才被诊断出来，而早期诊断胰腺癌由于症状不典型且缺乏可用的生物标志物而十分困难。方法：我们对来自 14 家医院的 212 个胰腺癌患者样本和 213 个非癌性健康对照样本进行了全面的血清 miRNA 测序。我们将胰腺癌和对照样本随机分为两组：训练组 (N = 185) 和验证组 (N = 240)。我们创建了将自动机器学习与 100 种高表达 miRNA 及其与 CA19-9 的组合相结合的集成模型，并在独立验证组验证了模型的性能。结果：100 个高表达 miRNA 和 CA19-9 组合的诊断模型可以高精度区分胰腺癌和非癌症健康对照（曲线下面积 (AUC)，0.99；灵敏度，90%；特异性，98%）。我们在独立的无症状早期（0-I 期）胰腺癌队列中验证了高诊断准确性（AUC：0.97；灵敏度，67%；特异性，98%）。结论：我们证明 100 个高表达 miRNA 及其与 CA19-9 的组合可以作为胰腺癌特异性和早期检测的生物标志物。
具有有效体内活性的第一类多功能TYMS非经典抗叶酸抑制剂，可延长生存率
引言周围动脉疾病（PAD）是血流流向下肢的结果，影响了全球超过2亿人，并且赋予了心血管发病率和凡人的风险增加（1，2）。尽管许多患者无症状，但其他患者则会出现症状表现，例如随着步行而进行间歇性clauraudication（不适和疼痛）。这些PAD患者中的子集（1％–2％）会出现临界肢体缺血（CLI），这是PAD的最严重表现（3）。CLI的特征是慢性休息疼痛，溃疡和坏疽的发育，伤口愈合受损以及与下肢截肢（10％–40％）的高风险（10％–40％）和心血管死亡（20％）在诊断后的第一年（3-5）（3-5）。与进展到CLI相关的风险因素包括吸烟，年龄，高血压，血脂异常，成年肾病和糖尿病（DM）。特别是，与没有DM的患者相比，患有PAD和DM的患者患心血管和肢体事件的风险高20％ - 30％（6）。的确，DM已被证明会损害血管生成，即先前存在的血管生长（7）。高血糖会损害血管生成涉及的几种不同细胞类型，包括内皮细胞（ECS）和白细胞（8、9）。在鼠实验垫中，大量的研究表明单核细胞募集至关重要的作用
DNA/RNA从新鲜冻结组织，Allprep DNA/RNA/miRNA通用试剂盒中提取
准备工作：FRN缓冲液：将42毫升异丙型物添加到新的瓶子RPE缓冲液中：将44 ml EtoH添加到新瓶AW1缓冲液中：向新瓶AW2缓冲液添加25 ml EtoH：添加30 ml EtoH DNase I股票：550 µL无RNase rnase for lyophifiend dnase dnase i，Aliquot and ealiquot and aT -20个月
参与心脏纤维化的 miRNA 评估
摘要背景和目的：心脏功能缺陷会导致心脏中细胞外基质蛋白的过度积聚。本研究旨在使用机器学习算法研究和分析与心脏纤维化有关的 miRNA。方法：从公共来源和相关临床数据库收集与健康个体和心脏纤维化患者中 miRNA 表达相关的数据集。我们选择了 50 人作为研究对象，其中包括 25 名健康对照者和 25 名心脏纤维化患者。采用不同的机器学习算法，包括支持向量机、随机森林和人工神经网络来分析、分类和预测 miRNA 表达变化在心脏纤维化中的作用。通过留一交叉验证和独立数据集对机器学习模型的验证有效地支持了结果的稳健性。报告的准确性、敏感性和特异性指标令人印象深刻。结果：两组间共发现 78 个 miRNA 存在差异表达（调整 P < 0.05），与对照组相比，心脏纤维化组有 47 个 miRNA 上调，31 个 miRNA 下调。比较每种方法选出的前 10 个 miRNA，并确定一组一致的 5 个 miRNA（miR-21-5p、miR-29a-3p、miR-29c-3p、miR-30b-5p 和 miR-133a-3p）作为区分心脏纤维化和对照样本最具参考价值的特征。结果显示，与对照组相比，心脏纤维化患者的 miR-21-5p、miR-29a-3p 和 miR-29c-3p 表达增加。相反，与患者相比，正常受试者中 miR-30b-5p 和 miR-133a-3p 的表达增加。发现具有径向基函数核的 SVM 算法是性能最佳的模型，其准确率为 92%，灵敏度为 88%，特异性为 96%，受试者工作特征曲线下面积 (AUC-ROC) 为 0.95。结论：总体而言，对患者体内 miRNA 的评估可作为监测患者和应用治疗策略的生物标志物。关键词：miRNA、心脏纤维化、机器学习、网络分析、生物标志物资金：无*本作品已根据 CC BY-NC-SA 许可发表。版权所有 © 作者引用本文为：Amin A、Rashki Ghalehnoo S、Mohajerian A、Samadi P、Torabahmadi A、Ahadi S、Hasanvand A、Nikdoust F。评估与心脏纤维化有关的 miRNA：基于机器学习的方法。伊朗红新月会医学杂志。2024,54.1-10。