Signaling network analysis of genomic alterations predicts breast cancer drug targets
Notice bibliographique
Résumé
Introduction Thousands upon thousands of tumors have been sequenced so far, representing over 20 different cancer types. These efforts allowed scientists to take a closer look at the genomic alterations (i.e., mutations and copy number variations) within a tumor's genome, in order to be able to potentially explain the underlying mechanism that drives cancer cell survival and proliferation (Banerji et al ., 2012; Cancer Genome Atlas Network, 2012; Stephens et al ., 2012). However, extracting useful information from a vast source of various data types to establish a link between genomic alterations and the driving force behind cancer cells remains a challenge (Chin et al ., 2011). Over the past decades of cancer research, scientists have learned that during the evolution of normal cells to cancer cells, different genomic alterations are compiled. These alterations can impact gene expression and protein function to modulate certain fundamental characteristics (i.e., cancer hallmarks) of a cancer cell. Cell survival, proliferation, and apoptosis are among the most primitive cancer hallmarks (Hanahan and Weinberg, 2011). The accumulation of genomic alterations allows cancer cells to reach a neoplastic state that enables them to proliferate indefinitely and become nearly immortal. However, these changes appear to be random, with no patterns that can be used for classifications of patients or identifying drug targets for treatment. Recent studies (Schlabach et al ., 2008; Silva et al ., 2008) have gone on to identify genes that are required for cancer cell survival and proliferation (i.e., essential genes). They accomplished this by performing a genome-wide RNAi knockdown screening for different cancer cell lines from three different cancer types, whereupon a gene was considered to be an essential gene if the knockdown of that gene reduced the cell's survival and proliferation based on p -values. A key observation to note in these RNAi knockdown studies is that different cancer cell lines had different sets of essential genes, implying that the cancer hallmark traits, such as survival and proliferation, can be affected by different sets of genes. This was true for cell lines that belong to the same cancer type. Therefore, no two lung cancer cell lines, for example, had identical sets of essential genes, although there was some overlap. In addition, there was no one gene that appeared to be essential across all the different lung cancer cell lines.
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 | 0,002 | 0,002 |
| 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) | 0,004 | 0,001 |
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 ».