Smoking status impacts microRNA mediated prognosis and lung adenocarcinoma biology
Notice bibliographique
Résumé
BACKGROUND: Cigarette smoke is associated with the majority of lung cancers: however, 25% of lung cancer patients are non-smokers, and half of all newly diagnosed lung cancer patients are former smokers. Lung tumors exhibit distinct epidemiological, clinical, pathological, and molecular features depending on smoking status, suggesting divergent mechanisms underlie tumorigenesis in smokers and non-smokers. MicroRNAs (miRNAs) are integral contributors to tumorigenesis and mediate biological responses to smoking. Based on the hypothesis that smoking-specific miRNA differences in lung adenocarcinomas reflect distinct tumorigenic processes selected by different smoking and non-smoking environments, we investigated the contribution of miRNA disruption to lung tumor biology and patient outcome in the context of smoking status. METHODS: We applied a whole transcriptome sequencing based approach to interrogate miRNA levels in 94 patient-matched lung adenocarcinoma and non-malignant lung parenchymal tissue pairs from current, former and never smokers. RESULTS: We discovered novel and distinct smoking status-specific patterns of miRNA and miRNA-mediated gene networks, and identified miRNAs that were prognostically significant in a smoking dependent manner. CONCLUSIONS: We conclude that miRNAs disrupted in a smoking status-dependent manner affect distinct cellular pathways and differentially influence lung cancer patient prognosis in current, former and never smokers. Our findings may represent promising biologically relevant markers for lung cancer prognosis or therapeutic intervention.
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) | 0,000 | 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 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 ».