Abstract LB-297: Integrative analysis identifies driver lncRNAs in prostate cancer
Notice bibliographique
Résumé
Abstract Genome-Wide Association Studies (GWAS) and whole-genome resequencing studies identified thousands of germline risk variants and somatic mutations in cancer. However, efforts to interpret these data have mainly focused on protein coding genes, despite the fact that majority of these genetic alterations locate outside of coding gene exons. A recent curation of over seven thousand RNA-seq data characterized more than fifty-eight thousand expressed long noncoding RNAs (lncRNAs) in human genome, twice as large as the number of protein coding genes. In this study, we integrated lncRNA gene expression, epigenetic and genetic alteration data to nominate potential driver lncRNAs in prostate cancer. We have identified eleven lncRNAs that are regulated by risk SNPs and somatic mutations through both cis and trans actions. The function of two of these lncRNAs in prostate cancer development and progression has been characterized. Our data suggests that lncRNAs may function as driving factors in prostate cancer development and progression. Note: This abstract was not presented at the meeting. Citation Format: Haiyang Guo, Musaddeque Ahmed, Junjie Hua, Yi Liang, Jens Langstein, Housheng Hansen He. Integrative analysis identifies driver lncRNAs in prostate cancer. [abstract]. In: Proceedings of the 106th Annual Meeting of the American Association for Cancer Research; 2015 Apr 18-22; Philadelphia, PA. Philadelphia (PA): AACR; Cancer Res 2015;75(15 Suppl):Abstract nr LB-297. doi:10.1158/1538-7445.AM2015-LB-297
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».