ترکیبات miRNA بافتی برای تشخیص افتراقی سرطان آدرنوکورتیکال و آدنوم

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 17

تعداد کلمات : 7000

مجله : cancers

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
15 فوریه 2022
دسته بندی
تعداد بازدیدها
1392 بازدید
36,000 تومان

عنوان فارسی مقاله:ترکیبات miRNA بافتی برای تشخیص افتراقی سرطان آدرنوکورتیکال و آدنوم که توسط هوش مصنوعی ایجاد شده است

 چکیده

  خلاصه ساده: تشخیص افتراقی بافت شناسی آدنوم و کارسینوم قشر آدرنال دشوار است و به تخصص زیادی نیاز دارد. نشان داده شد که MiRNA ها برای تشخیص افتراقی تومورهای خوش خیم و بدخیم چندین اندام مفید هستند و چندین یافته کاربرد آنها را در تومورهای قشر آدرنوکورتیکال نیز پیشنهاد کرده اند. در اینجا، ما miRNA‌های بافتی را بر اساس مرورمنابع انتخاب کرده‌ایم و از یادگیری ماشینی برای شناسایی ترکیب‌های جدید miRNA قابل اجرا بالینی استفاده کرده‌ایم. ترکیباتی با حساسیت و ویژگی بالا (هر دو بیش از ۹۰٪) شناسایی شده است که می تواند برای استفاده بالینی امیدوارکننده باشد. این ترکیبات miRNA علاوه بر اینکه یک مکمل مفید برای بررسی بافت‌شناسی هستند، می‌توانند بیوپسی آدرنال قبل از عمل را در بیماران مبتلا به تومورهای آدرنال مشکوک به بدخیمی فعال کنند.

چکیده: تجزیه و تحلیل بافت شناسی تومورهای آدرنال دشوار است و به تخصص زیادی نیاز دارد. بیان microRNA بافتی (miRNA) بین تومورهای خوش خیم و بدخیم چندین اندام متمایز است و می تواند برای اهداف تشخیصی مفید باشد. MiRNA ها پایدار هستند و بیان آنها را می توان به طور قابل اعتمادی از بلوک های بافتی بایگانی شده با فرمالین ثابت و جاسازی شده در پارافین (FFPE) بازتولید کرد. هدف ما ارزیابی کاربرد بالقوه ترکیبی از miRNA های مبتنی بر ادبیات به عنوان نشانگر بدخیمی قشر آدرنال بود. نمونه‌های بافت FFPE بایگانی‌شده از ۱۰ کارسینوم قشر آدرنال  ACC  ۱۰ آدنوم قشر آدرنال (ACA) و ۱۰ نمونه طبیعی قشر آدرنال در یک کوهورت اکتشافی مورد تجزیه و تحلیل قرار گرفتند، در حالی که ۲۱ بیمار ACC و ۲۲ بیمار ACA به‌صورت کور در گروه اعتبارسنجی مورد مطالعه قرار گرفتند. بیان miRNA توسط RT-qPCR تعیین شد. یادگیری ماشین و روش‌های مبتنی بر شبکه عصبی برای یافتن بهترین مدل‌های ترکیبی miRNA استفاده شد. برای ارزیابی کاربرد تشخیصی، آنالیز ROC انجام شد. ما سه ترکیب miRNA را شناسایی کرده‌ایم (hsa-miR-195 + hsa-miR-210 + hsa-miR-503؛ hsa-miR-210 + hsa-miR-375 + hsa-miR-503 و hsa-miR-210 + hsa -miR-483-5p + hsa-miR-503) به عنوان پیش‌بینی‌کننده‌های غیرمنتظره خوب برای تعیین بدخیمی قشر آدرنال با حساسیت و ویژگی هر دو بیش از ۹۰ درصد. این پانل‌های miRNA می‌توانند مکمل معاینه بافت‌شناسی تومورهای برداشته شده باشند و حتی می‌توانند از نمونه‌های بیوپسی آدرنال با حجم کم قبل از عمل انجام شوند(سرطان آدرنوکورتیکال و آدنوم).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Tissue miRNA Combinations for the Differential Diagnosis of Adrenocortical Carcinoma and Adenoma Established by Artificial Intelligence

Abstract

 Simple Summary: The histological differential diagnosis of adrenocortical adenoma and carcinoma is difficult and requires great expertise. MiRNAs were shown to be useful for the differential diagnosis of benign and malignant tumors of several organs, and several findings have suggested their utility in adrenocortical tumors as well. Here, we have selected tissue miRNAs based on the literature search, and used machine learning to identify novel clinically applicable miRNA combinations. Combinations with high sensitivity and specificity (both over 90%) have been identified that could be promising for clinical use. Besides being a useful adjunct to histological examination, these miRNA combinations could enable preoperative adrenal biopsy in patients with adrenal tumors suspicious for malignancy. Abstract: The histological analysis of adrenal tumors is difficult and requires great expertise. Tissue microRNA (miRNA) expression is distinct between benign and malignant tumors of several organs and can be useful for diagnostic purposes. MiRNAs are stable and their expression can be reliably reproduced from archived formalin-fixed, paraffin-embedded (FFPE) tissue blocks. Our purpose was to assess the potential applicability of combinations of literature-based miRNAs as markers of adrenocortical malignancy. Archived FFPE tissue samples from 10 adrenocortical carcinoma (ACC), 10 adrenocortical adenoma (ACA) and 10 normal adrenal cortex samples were analyzed in a discovery cohort, while 21 ACC and 22 ACA patients were studied in a blind manner in the validation cohort. The expression of miRNA was determined by RT-qPCR. Machine learning and neural network-based methods were used to find the best performing miRNA combination models. To evaluate diagnostic applicability, ROC analysis was performed. We have identified three miRNA combinations (hsa-miR-195 + hsa-miR-210 + hsa-miR-503; hsa-miR-210 + hsa-miR-375 + hsa-miR-503 and hsa-miR-210 + hsa-miR-483-5p + hsa-miR-503) as unexpectedly good predictors to determine adrenocortical malignancy with sensitivity and specificity both of over 90%. These miRNA panels can supplement the histological examination of removed tumors and could even be performed from small volume adrenal biopsy samples preoperatively.