Профиль экспрессии микроРНК позволяет дифференцировать доброкачественные узлы от папиллярных карцином щитовидной железы по клеткам, полученным при тонкоигольной аспирации

MicroRNA expression profile helps to distinguish benign nodules from papillary thyroid carcinomas starting from cells of fine-needle aspiration
Giuseppina De Marco, Aldo Pinchera, Antonio Candelieri, Paolo Vitti, Teresa Rago, Massimo Tonacchera, Patrizia Agretti, Eleonora Ferrarini, Antonio Dimida, Filippo Niccolai, Angelo Molinaro, G. Di Coscio
2012-06-24

мутация BRAF V600Eтонкоигольная аспирацияпрофилирование экспрессии микроРНКпапиллярная карцинома щитовидной железыколичественная ОТ-ПЦР
Цель: МикроРНК (miRNA) представляют собой небольшие эндогенные некодирующие РНК, которые взаимодействуют с матричными РНК-мишенями и регулируют экспрессию генов. При раке щитовидной железы происходят изменения уровней miRNA. Тонкоигольная аспирация (ТИА) с цитологической оценкой является наиболее надежным методом прогнозирования злокачественности узлов щитовидной железы, однако цитологический диагноз остается неопределенным для 20% узлов. Дизайн исследования: В этом исследовании оценивали экспрессию семи miRNA в доброкачественных узлах, папиллярных карциномах щитовидной железы (ПКЩЖ) и узлах с неопределенным цитологическим заключением по результатам ТИА. Методы: Проспективное исследование включало 141 образец, полученный при ТИА узлов щитовидной железы у 138 пациентов. Экспрессию miRNA оценивали методом количественной полимеразной цепной реакции с обратной транскрипцией (ОТ-ПЦР в реальном времени), а данные подвергали статистическому анализу. Также проводили генетический анализ кодона 600 гена BRAF. Результаты: С использованием методов интеллектуального анализа данных был получен критерий классификации узла как доброкачественного или злокачественного на основании профиля экспрессии miRNA. Модель принятия решений, основанная на экспрессии miR-146b, miR-155 и miR-221, была пригодна для 86 из 88 узлов с определенным цитологическим диагнозом (97,73%); при использовании методов перекрестной проверки надежность составила 78,41%. Прогноз оказался правильным для 31 из 53 узлов с неопределенным цитологическим заключением; были получены 16 ложноположительных и шесть ложноотрицательных прогнозов. Мутантная форма BRAF V600E была выявлена в 19 из 43 ПКЩЖ и в одном из 53 узлов с неопределенным цитологическим заключением. Заключение: Профили экспрессии трех miRNA позволили отличить доброкачественные узлы от ПКЩЖ по образцам, полученным методом ТИА. При применении теста для дифференциации узлов щитовидной железы с неопределенным цитологическим заключением были получены низкие чувствительность и специфичность, несмотря на небольшое число ложноотрицательных прогнозов, что ограничивает практическую ценность метода.
1
Модель на основе трёх микроРНК — miR-146b, miR-155 и miR-221 — различала доброкачественные узлы и папиллярные карциномы щитовидной железы по образцам тонкоигольной аспирации.
2
При применении к 53 узлам с неопределённой цитологией модель дала 31 правильное предсказание, 16 ложноположительных и шесть ложноотрицательных результатов.
3
Мутация BRAF V600E выявлена у 19 из 43 папиллярных карцином и у одного из 53 узлов с неопределённой цитологией; низкие чувствительность и специфичность ограничили практическую ценность метода для неопределённых узлов.
4
Перекрёстная валидация оценила надёжность классификационной модели на уровне 78,41%.
5
Модель правильно классифицировала 86 из 88 узлов с определённым цитологическим диагнозом, что соответствует валидности 97,73%.

Узлы щитовидной железы, включая доброкачественные узлы, папиллярные карциномы щитовидной железы и узлы с неопределённой цитологией, полученные методом тонкоигольной аспирации

Профили экспрессии микроРНК, особенно miR-146b, miR-155 и miR-221, как маркеры различения доброкачественных узлов и папиллярных карцином щитовидной железы, а также классификации узлов с неопределённой цитологией

Publication Details
Publication Date
2012-06-24
Journal
Publisher
ISSN
Cited by
70
Access Type
Author Information
Authors
Giuseppina De Marco
Aldo Pinchera
Antonio Candelieri
Paolo Vitti
Teresa Rago
Massimo Tonacchera
Patrizia Agretti
Eleonora Ferrarini
Antonio Dimida
Filippo Niccolai
Angelo Molinaro
G. Di Coscio
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%