Cross-cancer profiling of molecular alterations within the human autophagy interaction network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aberrant activation or disruption of autophagy promotes tumorigenesis in various preclinical models of cancer, but whether the autophagy pathway is a target for recurrent molecular alteration in human cancer patient samples is unknown. To address this outstanding question, we surveyed 211 human autophagy-associated genes for tumor-related alterations to DNA sequence and RNA expression levels and examined their association with patient survival outcomes in multiple cancer types with sequence data from The Cancer Genome Atlas consortium. We found 3 (RB1CC1/FIP200, ULK4, WDR45/WIPI4) and one (ATG7) core autophagy genes to be under positive selection for somatic mutations in endometrial carcinoma and clear cell renal carcinoma, respectively, while 29 autophagy regulators and pathway interactors, including previously identified KEAP1, NFE2L2, and MTOR, were significantly mutated in 6 of the 11 cancer types examined. Gene expression analyses revealed that GABARAPL1 and MAP1LC3C/LC3C transcripts were less abundant in breast cancer and non-small cell lung cancers than in matched normal tissue controls; ATG4D transcripts were increased in lung squamous cell carcinoma, as were ATG16L2 transcripts in kidney cancer. Unsupervised clustering of autophagy-associated mRNA levels in tumors stratified patient overall survival in 3 of 9 cancer types (acute myeloid leukemia, clear cell renal carcinoma, and head and neck cancer). These analyses provide the first comprehensive resource of recurrently altered autophagy-associated genes in human tumors, and highlight cancer types and subtypes where perturbed autophagy may be relevant to patient overall survival.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle