Integrated Genomic, Transcriptomic, and RNA-Interference Analysis of Genes in Somatic Copy Number Gains in Pancreatic Ductal Adenocarcinoma
Notice bibliographique
Résumé
OBJECTIVES: This study used an integrated analysis of copy number, gene expression, and RNA interference screens for identification of putative driver genes harbored in somatic copy number gains in pancreatic ductal adenocarcinoma (PDAC). METHODS: Somatic copy number gain data on 60 PDAC genomes were extracted from public data sets to identify genomic loci that are recurrently gained. Array-based data from a panel of 29 human PDAC cell lines were used to quantify associations between copy number and gene expression for the set of genes found in somatic copy number gains. The most highly correlated genes were assessed in a compendium of pooled short hairpin RNA screens on 27 of the same human PDAC cell lines. RESULTS: A catalog of 710 protein-coding and 46 RNA genes mapping to 20 recurrently gained genomic loci were identified. The gene set was further refined through stringent integration of copy number, gene expression, and RNA interference screening data to uncover 34 candidate driver genes. CONCLUSIONS: Among the candidate genes from the integrative analysis, ECT2 was found to have significantly higher essentiality in specific PDAC cell lines with genomic gains at the 3q26.3 locus, which harbors this gene, suggesting that ECT2 may play an oncogenic role in the PDAC neoplastic process.
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 ».