در مطالعه‌ای که اخیراً در Alzheimer’s & Dementia منتشر شده است، محققان علامت میکرو ریبونوکلئیک اسید (miRNA) سرم را در بیماری آلزایمر (AD) ایجاد کردند. آنها همچنین miRNA هایی را بررسی کردند که می توانند انتقال از اختلال شناختی خفیف (MCI) به بیماری آلزایمر (AD) را پیش بینی کنند.
پس زمینه
بیماری آلزایمر یک بیماری عصبی است که با کاهش پیشرونده شناختی مشخص می شود. شناسایی AD در مراحل پیشرفته منجر به نتایج درمان ضعیف می شود. بنابراین، تکنیک‌های تشخیصی جدید برای شناسایی افراد در مراحل اولیه MCI (EMCI) یا MCI در مراحل پایانی (LMCI) و پیش‌بینی تبدیل آنها به AD مورد نیاز است.
ابزارهای تشخیصی فعلی تهاجمی و پرهزینه هستند. MicroRNA ها RNA های کوتاه و غیر کد کننده ای هستند که پروتئوستاز را در سطح سیستم کنترل می کنند. آنها نشانگرهای زیستی کم تهاجمی و ارزان قیمت برای AD هستند. MicroRNA ها می توانند چندین هدف mRNA را تحت تأثیر قرار دهند، پاراکرین عمل کنند و در ارتباطات بین اندامی شرکت کنند. علاوه بر این، این مولکول‌ها در محیط‌های عاری از سلول بسیار پایدار بوده و در برابر چرخه‌های ذوب-یخ‌زدگی مقاوم هستند و از نظر لجستیکی در محیط‌های بالینی مطلوب هستند.
در مورد مطالعه
در مطالعه حاضر، محققان امضاهای miRNA مربوط به MCI اولیه، اواخر MCI و AD را بررسی کردند و تعیین کردند که آیا امضاها با وضعیت بیماری بالینی با استفاده از نشانگرهای زیستی تثبیت شده مرتبط هستند یا خیر.
محققان نمونه‌های سرمی را از شرکت‌کنندگان در طرح تصویربرداری عصبی AD (ADNI) برای تجزیه و تحلیل بیان miRNA به دست آوردند. توالی یابی RNA کوچک نمونه های سرم 803 از 847 شرکت کننده ADNI را تجزیه و تحلیل کرد، به استثنای نمونه های با کیفیت پایین. از بین 803 شرکت کننده، 272، 217، 149 و 165 به ترتیب متعلق به گروه های EMCI، LMCI، AD و کنترل بودند. رگرسیون های مختلط خطی miRNA های بیان شده در 95 درصد یا بیشتر نمونه ها را با حداقل ده خواندن در هر نمونه تجزیه و تحلیل کردند.
مدل های یادگیری ماشینی (ML) miRNA ها را با اندازه اثر قابل توجهی در تحلیل رگرسیون آزمایش کردند. داده های ML شامل مجموعه داده های آموزش و آزمایش (کسری، 0.3) بود. محققان miRNAهای بدون قدرت پیش‌بینی را حذف کردند، به عنوان مثال، آن‌هایی که سطح زیر منحنی مشخصه عملکرد گیرنده (AUC) ≤0.5 را داشتند. برای هر شرایط، انتخاب بهترین 5 miRNA به 73 کاندید منجر شد. روش ML تمام ترکیبات بالقوه حداکثر سه miRNA را برای این نامزدها مشتق کرد.
محققان عملکرد miRNA سرم را با مقادیر ADAScog13 و بیومارکرهای تهاجمی AD در مایع مغزی نخاعی (CSF) مقایسه کردند. آنها علاوه بر آمیلوئید بتا و پروتئین تاو فسفریله شده در CSF، نمرات Mini-Mental Examination (MMSE) را مقایسه کردند. آنها همچنین داده های فنوتیپی پیگیری ارائه شده توسط شرکت کنندگان را برای 144 ماه پس از جمع آوری خون تجزیه و تحلیل کردند. آنالیز ژن هستی شناسی (GO) مسیرهای بیولوژیکی کنترل شده توسط miRNA های شناسایی شده در مطالعه حاضر را بررسی کرد.
نتایج
امضای miRNA سرم برای AD شامل miR.98.5p، miR.142.3p، و miR.9985 (AUC، 0.7) بود. سرم miR.369.3p، miR.590.3p و miR.9985 EMCI (AUC، 0.7) را شناسایی کردند. سه miRNA که بهترین عملکرد را برای شناسایی LMCI نشان می‌دهند عبارتند از miR.22.5p، miR.1306، و miR.4429 (AUC، 0.7). در مورد پیش‌بینی AD، سطوح Abeta و نسبت Abeta/tTAU یا Abeta/pTAU181 در مایع مغزی نخاعی و آزمایش MMSE بهتر از امضای miRNA سرم بود.
منبع:news-medical
