| 研究実績の概要 |
TCGA public databaseからEAC組織(n=89)と正常食道組織(n=13)をRNA-Seq解析して得られた1046種類のmiRNA発現データを入手し、AIに機械学習させた。1046種
類のmiRNAから癌診断に最適なmiRNAパネルを選択し、①Filter Method(F-score)、②Wrapper Method(SVM-RFE)の2つの機械学習アルゴリズムを順に用いる
2段階式の選択手法を行い、14種類のmiRNAを同定した。実際の組織(n=84)・血清検体(n=94)でも癌の異常発現を確認し、最終的に7種のmiRNAパネルを決定した。次いで別の血清コホート(EAC:96,健常:64)で7種のmiRNA発現値と数理的手法を用い、EAC診断モデル式を構築した(AUC=0.86)。このモデル式はさらにHigh grade dysplasia(HGD)を含む別コホート(EAC:203,HGD:20,健常:72)でも再実証され(AUC=0.92)、特にHGD患者の高い診断能(AUC=0.84)を示した。
|
