Identification of interactive networks of gene expression associated with osteosarcoma oncogenesis by integrated molecular profiling
Notice bibliographique
Résumé
Altered gene expression in tumors can be caused by copy number alterations to DNA or mutation affecting coding or regulatory regions of genes. However, epigenetic events may also influence gene expression. Malignant cells can show major disruptions in DNA methylation profiles, which are manifested as aberrant hypermethylation or as hypomethylation of gene promoters, as well as global genomic hypomethylation. In this study we performed integrative whole-genome analysis of DNA copy number, promoter methylation and gene expression using 10 osteosarcomas. We identified significant changes including: hypomethylation, gain, and overexpression of histone cluster 2 genes at chromosome 1q21.1-q21.3; loss of chromosome 8p21.2-p21.3 and underexpression of DOCK5 and TNFRSF10A/D genes; and amplification-related overexpression of RUNX2 at chromosome 6p12.3-p21.1. Amplification and overexpression of RUNX2 could disrupt G2/M cell cycle checkpoints, and downstream osteosarcoma-specific changes, such as failure of bone differentiation and genomic polyploidization. Failure of DOCK5-signaling, together with p53 and TNFRSF10A/D-related cell cycle and death pathways, may play a critical role in abrogating apoptosis. Our analyses show that the RUNX2 interactome may be constitutively activated in osteosarcoma, and that the downstream intracellular pathways are strongly associated with the regulation of osteoblast differentiation and control of cell cycle and apoptosis in osteosarcoma.
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 ».