OvMark: a user-friendly system for the identification of prognostic biomarkers in publically available ovarian cancer gene expression datasets
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer has the lowest survival rate of all gynaecologic cancers and is characterised by a lack of early symptoms and frequent late stage diagnosis. There is a paucity of robust molecular markers that are independent of and complementary to clinical parameters such as disease stage and tumour grade. METHODS: We have developed a user-friendly, web-based system to evaluate the association of genes/miRNAs with outcome in ovarian cancer. The OvMark algorithm combines data from multiple microarray platforms (including probesets targeting miRNAs) and correlates them with clinical parameters (e.g. tumour grade, stage) and outcomes (disease free survival (DFS), overall survival). In total, OvMark combines 14 datasets from 7 different array platforms measuring the expression of ~17,000 genes and 341 miRNAs across 2,129 ovarian cancer samples. RESULTS: To demonstrate the utility of the system we confirmed the prognostic ability of 14 genes and 2 miRNAs known to play a role in ovarian cancer. Of these genes, CXCL12 was the most significant predictor of DFS (HR = 1.42, p-value = 2.42x10-6). Surprisingly, those genes found to have the greatest correlation with outcome have not been heavily studied in ovarian cancer, or in some cases in any cancer. For instance, the three genes with the greatest association with survival are SNAI3, VWA3A and DNAH12. CONCLUSIONS/IMPACT: OvMark is a powerful tool for examining putative gene/miRNA prognostic biomarkers in ovarian cancer (available at http://glados.ucd.ie/OvMark/index.html). The impact of this tool will be in the preliminary assessment of putative biomarkers in ovarian cancer, particularly for research groups with limited bioinformatics facilities.
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 ».