MétaCan
Menu
Retour à la cohorte
Enregistrement W1537397732 · doi:10.5376/cmb.2013.03.0002

Identification of the <i>Bona fide</i> Differentially Methylated Gene Markers among Cancers

2013· article· en· W1537397732 sur OpenAlexvenueno aff
Hongbo Liu, Zhe Li, Jing Ding, Jie Liu, Yan Zhang

Notice bibliographique

RevueComputational Molecular Biology · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)GeneGeneticsBiologyMolecular biology

Résumé

récupéré en direct d'OpenAlex

DNA methylation plays important roles in the development of cancers. Previous studies have identified the differentially methylated sites (DMSs) between cancer and normal control. However, the methylation variations across multiple cancers have not been revealed. In this study, we identified DMSs among six human cancers (C-DMSs) and DMSs among five normal control tissues (T-DMSs). It is revealed that C-DMSs are highly overlapped with T-DMSs. By excluding the T-DMRs from C-DMRs, 4159 bona fide C-DMSs were selected as methylation variations across multiple cancers. Further analysis confirmed the roles of bona fide C-DMSs in regulation of cancer-related gene expression difference. Moreover, the genes related with these bona fide C-DMSs showed enrichment in the biological processes such as cell membrane components, cell adhesion, cell migration, immune response and cell proliferation, and also the pathways in cancer and bladder cancer. And twenty-eight genes are targeted by hsa-miR-323 which participates in tumorigenesis. In the end, we identified potential cancer-related genes by extracting protein interaction sub-network. This study provides a new framework for mining the potential cancer-specific methylation markers and oncogenes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,240
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational Molecular BiologyMême sujetEpigenetics and DNA MethylationTravaux en français237 207