MétaCan
Menu
Retour à la cohorte
Enregistrement W1549754984 · doi:10.1158/1538-7445.am2014-3994

Abstract 3994: Identifying molecular networks linked to colorectal liver metastasis progression during liver regeneration by RNA-seq

2014· article· en· W1549754984 sur OpenAlexaff
Ève Simoneau, Jarred Chicoine, Ayat Salman, Robert Sladek, Anthoula Lazaris, Ramila Amre, Peter Metrakos

Notice bibliographique

RevueCancer Research · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTranscriptomeMedicineRNAMetastasisColorectal cancerLiver regenerationTumor progressionCancerCancer researchInternal medicineGastroenterologyPathologyRegeneration (biology)OncologyGeneBiologyGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract The only potential cure for colorectal liver metastasis (CRCLM) is hepatic resection; portal vein embolization (PVE) is used as an adjunct to stimulate liver regeneration and increase the number of resectable patients. PVE has been shown to enhance CRCLM progression in most patients. The objective of this study is to determine the molecular networks involved in CRCLM progression during liver regeneration, by transcriptome analysis (RNA-Seq). CRCLM RNA was procured prospectively from patients prior to and after PVE. 14 patients with PVE underwent tumor volumetric analysis (blinded from the transcriptome analysis) to determine stable vs. progressive disease. A subgroup of 9 patients had tumor progression (median 45.3% (95%CI 10.6-192.5%) increase in tumor volume) while the remaining patients exhibited stable disease and continuous chemotherapy response (median 26.0%(95%CI -53.1-1.2%) decrease in tumor volume) (p=0.0121), which was consistent with our published series of 123 patients. RNA extracted from tumor tissue (pre and post PVE) in a subset (n=6) of patients (median RNA Integrity number (RIN) scores 7.1 (6.2 - 9.0)) was used to prepare Illumina rRNA-depleted TruSeq stranded cDNA libraries for HiSeq 100bp paired-end sequencing. An average of 150 million reads and 91.8% genomic alignment was achieved per sample. The analysis revealed that several genes known to act as tumor suppressors in CRC (e.g. NR1H4 and HRG) are consistently down regulated post-PVE in the progressive group. Several canonical pathways (including acute phase response, LXR/RXR signaling) showed statistical enrichment for transcripts that were differentially expressed in patients with disease progression. This work aims to establish a comprehensive view of the transcriptional changes associated with CRCLM progression during liver regeneration, to identify the molecular mechanisms that drive metastatic progression in this unique context. Highlighting such mechanisms is a critical first step towards developing targeted therapeutic strategies that may mitigate the unwanted effects of liver regeneration on tumor growth. Citation Format: Eve Simoneau, Jarred Chicoine, Ayat Salman, Robert Sladek, Anthoula Lazaris, Ramila Amre, Peter Metrakos. Identifying molecular networks linked to colorectal liver metastasis progression during liver regeneration by RNA-seq. [abstract]. In: Proceedings of the 105th Annual Meeting of the American Association for Cancer Research; 2014 Apr 5-9; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2014;74(19 Suppl):Abstract nr 3994. doi:10.1158/1538-7445.AM2014-3994

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,045
Tête enseignante GPT0,374
Écart entre enseignants0,329 · 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'étudeExpérimental (laboratoire)
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetRNA modifications and cancerTravaux en français237 207