High-throughput transcriptomic analysis nominates proteasomal genes as age-specific biomarkers and therapeutic targets in prostate cancer
Notice bibliographique
Résumé
BACKGROUND: Although prostate cancer (PCa) is hypothesized to differ in nature between younger versus older patients, the underlying molecular distinctions are poorly understood. We hypothesized that high-throughput transcriptomic analysis would elucidate biological differences in PCas arising in younger versus older men, and would nominate potential age-specific biomarkers and therapeutic targets. METHODS: The high-density Affymetrix GeneChip platform, encompassing >1 million genomic loci, was utilized to assess gene expression in 1090 radical prostatectomy samples from patients with long-term follow-up. We identified genes associated with metastatic progression by 10 years post-treatment in younger (age<65) versus older (age⩾65) patients, and ranked these genes by their prognostic value. We performed Gene Set Enrichment Analysis (GSEA) to nominate biological concepts that demonstrated age-specific effects, and validated a target by treating with a clinically available drug in three PCa cell lines derived from younger men. RESULTS: Over 80% of the top 1000 prognostic genes in younger and older men were specific to that age group. GSEA nominated the proteasome pathway as the most differentially prognostic in younger versus older patients. High expression of proteasomal genes conferred worse prognosis in younger but not older men on univariate and multivariate analysis. Bortezomib, a Food and Drug Administration approved proteasome inhibitor, decreased proliferation in three PCa cell lines derived from younger patients. CONCLUSIONS: Our data show significant global differences in prognostic genes between older versus younger men. We nominate proteasomeal gene expression as an age-specific biomarker and potential therapeutic target specifically in younger men. Limitations of our study include clinical differences between cohorts, and increased comorbidities and lower survival in older patients. These intriguing findings suggest that current models of PCa biology do not adequately represent genetic heterogeneity of PCa related to age, and future clinical trials would benefit from stratification based on age.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».