Integrated Omic Analysis of Lung Cancer Reveals Metabolism Proteome Signatures with Prognostic Impact
Notice bibliographique
Résumé
An Omics Array integrating DNA gene copy number, mRNA transcriptome, and quantified proteome was assembled into a genetic map representing non-small cell lung carcinoma (NSCLC). Data was from patient-matched normal lung, primary tumors, and patient tumor-derived xenograft tumors. Dysregulated proteins not previously implicated as cancer drivers were found encoded throughout the genome including but not limited to regions of recurrent DNA amplification/deletion in NSCLC. Clustering revealed signatures comprising metabolism proteins particularly highly recapitulated between matched primary and PDX tumors. Interrogation of The Cancer Genome Atlas revealed sizeable cohorts of NSCLC patients with DNA alterations in genes encoding the metabolism proteome signatures, and accompanied by differences in survival. Serine hydroxymethyltransferase 2 (SHMT2), a key enzyme in Ser/Gly/folate/1-carbon metabolism, is upregulated in NSCLC proteomes and implicated as a driver of recurrent chromosome 12q14.1 amplification. SHMT2, along with other folate metabolism enzymes is also part of a metabolism signature associated with poor outcome in lung ADC. The interrogation of cancer genomes and proteomes for alterations that are related products of selective pressures driving the cancer phenotype may be a general approach to uncover and group together cryptic, polygenic cancer drivers, which might represent new anti-cancer therapeutic targets.
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 | 0,001 | 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 ».