Integrative bioinformatical analysis of clear cell renal cell carcinoma (1138.10)
Notice bibliographique
Résumé
Background. Clear cell renal cell carcinoma (ccRCC) is the most common adult neoplasm of the kidney. Better understanding of the molecular pathogenesis may lead to new therapeutic options. Aim. Our aim was to assemble transcriptomic, proteomic and miRNA data using an integrative approach. Methods. Available mRNA, miRNA and protein data were collected from 593 ccRCC and 389 normal kidneys. We performed pathway analysis. TCGA database and immunohistochenmitry were used for validation. Functional analyses were undertaken on cell line model. Results. Metabolic processes were the most significant signalling pathways, and we validated Aryl‐Hydrocarbon Receptor (AHR) signalling to be involved in tumorigenesis. Using network analysis, we identified GRHL2 as diagnostic marker and drug target. KIAA0101 was found to enhance tumor cell migration and invasion. We also demonstrated that KIAA0101 overexpression correlates with poor prognosis and may represent a diagnostic marker. We identified miR‐139‐5p as the miRNA mostly affecting the network targeting ZEB1, TCF4, ETS1 and CCND2. Conclusions. Using integrative bioinformatical analyses we identified the most characteristic pathways and molecules. Some of them may be applicable as biomarkers or new, potential drug targets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».