利用DNA海草技术，通过机器学习增强miRNA生物标志物的分析，实现乳腺癌的准确诊断

《Analytical Chemistry》：Machine Learning-Enhanced Analysis of miRNA Biomarkers for Accurate Breast Cancer Diagnosis Using DNA Seagrass

微泡癌诊检新技术：基于RCA-GDS超敏检测与机器学习模型的多miRNA标志物联合诊断研究。

　　

作为乳腺癌的潜在生物标志物，微小RNA（miRNA）在临床应用中展现了巨大的潜力。然而，基于miRNA的乳腺癌诊断受到缺乏简单、超灵敏且高度特异的检测方法以及可靠生物标志物的限制。为了解决这些问题，我们提出了一种创新策略，利用滚环扩增生成的DNA海藻（RCA-GDS）来检测多种miRNA生物标志物，并结合机器学习技术以实现精准的乳腺癌诊断。RCA-GDS能够将线性滚环扩增有效转化为指数级扩增，显著增强荧光信号，从而在等温条件下仅需2小时即可检测到浓度低至阿托摩尔级别的miRNA。通过TCGA数据库，我们筛选了一组miRNA（miRNA21、miRNA182和miRNA183）用于乳腺癌的精准诊断，并验证了它们在细胞内和血清样本中的可靠性。最后，我们将机器学习算法与miRNA检测系统结合，开发出一种鉴别诊断模型，并在独立队列中进行了验证，证明了其出色的诊断准确性。这项工作不仅实现了超灵敏和高度特异的miRNA检测，还推动了基于miRNA组合的乳腺癌诊断临床应用的发展。