Functional characterization of miRNAs in prostate cancer using functional protein networks
Notice bibliographique
Résumé
The cell is a highly organized system of interacting molecules including DNA, proteins, mRNAs and miRNAs. Analyzing the cell from a systems perspective by integrating different types of data helps reveal the complexity behind the biological process. Although there is emerging evidence that some microRNAs can function as oncogenes or tumour suppressors, the role of microRNAs in mediating cancer progression and metastasis remains not fully explored. In this work we integrate functional protein networks to characterize the downstream effect of miRNA-mRNA interaction. The proposed method infers a novel miRNA-mRNA regulatory network, not only based on the correlation between miRNA and their targets, but also by taking into account the down stream effects of miRNA-mRNA interaction on interacting proteins. In here we build a model that integrates mRNA and miRNA expression data, a predicted miRNA-mRNA regulatory network (based on sequence complementary) and functional protein interaction data to better characterize the functional role of individual miRNAs. The network is used to predict the effect of miRNA on cancer progression. The model is then applied to two prostate cancer datasets that include normal, primary and metastatic cancer samples to identify prognostic miRNAs that are associated with cancer progression. Network based model demonstrated promising to predict cancer recurrence and death. Furthermore, the model is used to predict miRNA that have similar mode of action to drugs. Results revealed that the proposed method identify miRNA-mRNA modules that play a key role in prostate cancer progression and they are promising targets as prognostic biomarkers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».