A jó- és rosszindulatú mellékvesekéreg daganatok elkülönítése még szövettani vizsgálattal is nehéz. PhD munkámban a jó- és rosszindulatú daganatok között eltérő módon kifejeződő nem kódoló RNS-eket vizsgáltam biomarkerek azonosítása céljából. A rövid nem kódoló RNS-ek közé tartozó mikroRNS-ek kombinációit mesterséges intelligencia módszereivel vizsgáltam és elsőként tanulmányoztuk a cirkuláris RNS-ek expressziós mintázatát.
Módszerek: Mesterséges intelligencia és RT-qPCR módszerek segítségével tanulmányoztunk különböző mikroRNS kombinációkat diagnosztikai hatékonyságuk feltárása érdekében, illetve a circRNS expressziós mintázatát ACA-ban, ACC-ben és normál mellékvesekéregben (NAC) RT-qPCR módszerrel vizsgálva. A mikroRNS-ek vizsgálatához 31 ACC, 32 ACA és 10 NAC formalinnal fixált, paraffinba ágyazott (FFPE) mintát, míg 18 ACC, 16 ACA és 16 NAC FFPE mintát vizsgáltunk a circRNS mérések során. A mikroRNS-ek RT-qPCR validációjához és az azt követő mesterséges intelligencia alapú osztályozáshoz csak a 90%-nál nagyobb osztályozási képességgel rendelkező modelleket választottuk ki. A circRNS-ek detektálásához három különböző programot (CIRI2, CircExplorer2, AutoCirc) használtunk. A leginkább differenciáltan expresszálódó circRNS-eket RT-qPCR-rel mértük egy független kohorsz segítségével, valamint lehetséges in silico jósolt mikroRNS interakciót is vizsgáltunk.
Eredmények: A legjobban teljesítő statisztikai mikroRNS-modellek a következők lettek: hsa-miR-210 + hsa-miR-483-5p + hsa-miR-503, hsa-miR-210 + hsa-miR-375 + hsa-miR-503 és hsa-miR-195 + hsa-miR-210 + hsa-miR-503 több mint 90%-os érzékenységgel és specificitással. E három modell diagnosztikai teljesítménye kétségtelenül jobb volt, mint az egyedi mikroRNS-eké. A circPHC3 cirkuláris RNS szignifikáns felülexpresszióját tudtuk validálni ACC és ACA vs. NAC mintákban RT-qPCR segítségével. Nem tudtunk megfigyelni a mikroRNS interakciós hipotézisünknek teljes mértékben megfelelő expressziós változásokat.
Konklúziók: Három kivételes diagnosztikai teljesítményű mikroRNS-kombinációt hoztunk létre mesterséges intelligencia alapú módszerekkel. Továbbá, kimutattuk a mellékvesekéreg-daganatok és ép mellékvesekéreg differenciált cirkuláris RNS expresszióját nagy áteresztőképességű RNS szekvenálással szöveti mintákon. |