Machine learning identifies MiRNA biomarkers and immune mechanisms in active tuberculosis
8.0
来源：
Nature
关键字：
neural coding
发布时间：
2025-10-16 23:56
摘要：
本研究利用机器学习技术识别出hsa-miR-3607-3p作为活动性肺结核的潜在生物标志物。通过分析miRNA表达谱，发现该miRNA在活动性肺结核患者中显著上调，并通过功能富集分析揭示其在免疫调节中的作用。研究结果表明，hsa-miR-3607-3p可能通过调节细胞凋亡途径促进结核分枝杆菌在宿主细胞内的生存，具有重要的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.8
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
0.7
关键证据
hsa-miR-3607-3p在活动性肺结核患者中显著上调，可能作为早期诊断生物标志物。
研究利用机器学习方法识别出72种差异表达的miRNA。
机器学习模型的AUC值达到0.980，显示出良好的诊断性能。
真实性检查
否
AI评分总结
本研究利用机器学习技术识别出hsa-miR-3607-3p作为活动性肺结核的潜在生物标志物。通过分析miRNA表达谱，发现该miRNA在活动性肺结核患者中显著上调，并通过功能富集分析揭示其在免疫调节中的作用。研究结果表明，hsa-miR-3607-3p可能通过调节细胞凋亡途径促进结核分枝杆菌在宿主细胞内的生存，具有重要的临床应用潜力。