MétaCan
Menu
Retour à la cohorte
Enregistrement W1984901059 · doi:10.1158/1538-7445.am2011-4917

Abstract 4917: PRKCE and other genetic networks in osteosarcoma metastasis

2011· article· en· W1984901059 sur OpenAlexaff
Atta Goudarzi, Nalan Gökgöz, MONTY GILL, Jay S. Wunder, Irene L. Andrulis

Notice bibliographique

RevueCancer Research · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOsteosarcomaMetastasisGeneMedicineCancerInteractomeOncologyCancer researchBiologyInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Osteosarcoma (OS) is the most common malignant bone cancer with approximately 1, 000 new cases reported annually in North America. Unfortunately OS has a poor 5-year survival rate (∼60%), and this is attributable largely to its propensity towards pulmonary metastasis: roughly a fifth (20%) of newly diagnosed cases are accompanied by macroscopic pulmonary metastases, and it is estimated that four fifths (80%) of all cases have undetectable microscopic metastases at diagnosis. The aim of the present study was to identify and characterize genetic networks that contribute to the metastasis of OS. Gene-expression profiling was performed on a cohort of 63 primary OS tumor samples: 46 with undetectable metastasis at diagnosis (‘localized’), and 17 that had detectable pulmonary metastasis at time of diagnosis (‘metastatic’). The relative abundance of transcripts from approximately 9, 000 genes was measured. This information was overlain on the Pathway Commons human interactome, and two independent methods of supervised network analysis were performed. Those networks with significantly differential gene expression, or ‘activity’ (Chuang et al. Mol. Sys. Biol. 2007), and those networks with significantly differential internal gene correlation, or ‘organization’ (Taylor et al. Nature Biotech. 2009) were discovered. Networks were assigned to biological processes using Gene Ontology Slim Generic. Real-time PCR was performed in vitro and in vivo to corroborate and validate the initial findings. The supervised network analysis has elucidated the 43 most significantly differentially activated, and 11 most significantly differentially organized networks in metastatic OS. One candidate differentially activated network, comprising RASGRP3, PRKCE and GNB2, was selected for follow-up. In vitro analysis in a panel of paired OS cell lines has corroborated the findings of the profiling screen: RASGRP3 was found to be under-expressed in some highly metastatic sub-lines, and PRKCE was found to be over-expressed in some highly metastatic sub-lines. Independent validation of PRKCE expression in the original tumor cohort has confirmed the increased expression in metastatic samples. A less stringent inspection of the network results reveals global trends in network aberrations: differentially activated networks are commonly found in transport, translation and protein modification processes, while dis-organized networks are commonly found in metabolism, signaling, transcription and organization processes. The study here described has revealed significant network aberrations in metastatic OS primary tumours. Additionally, several high-confidence networks have been identified for detailed follow-up. Subsequent in vitro and in vivo expression analysis has confirmed that one network is differentially expressed in metastatic OS. Knockdown assays are ongoing to demonstrate the impact of this network on OS metastatic progression. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 102nd Annual Meeting of the American Association for Cancer Research; 2011 Apr 2-6; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2011;71(8 Suppl):Abstract nr 4917. doi:10.1158/1538-7445.AM2011-4917

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0060,001

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 Opus0,087
Tête enseignante GPT0,391
Écart entre enseignants0,304 · 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'étudeSans objet
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207