Identification of clinically predictive metagenes that encode components of a network coupling cell shape to transcription by image-omics
Notice bibliographique
Résumé
The associations between clinical phenotypes (tumor grade, survival) and cell phenotypes, such as shape, signaling activity, and gene expression, are the basis for cancer pathology, but the mechanisms explaining these relationships are not always clear. The generation of large data sets containing information regarding cell phenotypes and clinical data provides an opportunity to describe these mechanisms. Here, we develop an image-omics approach to integrate quantitative cell imaging data, gene expression, and protein-protein interaction data to systematically describe a "shape-gene network" that couples specific aspects of breast cancer cell shape to signaling and transcriptional events. The actions of this network converge on NF-κB, and support the idea that NF-κB is responsive to mechanical stimuli. By integrating RNAi screening data, we identify components of the shape-gene network that regulate NF-κB in response to cell shape changes. This network was also used to generate metagene models that predict NF-κB activity and aspects of morphology such as cell area, elongation, and protrusiveness. Critically, these metagenes also have predictive value regarding tumor grade and patient outcomes. Taken together, these data strongly suggest that changes in cell shape, driven by gene expression and/or mechanical forces, can promote breast cancer progression by modulating NF-κB activation. Our findings highlight the importance of integrating phenotypic data at the molecular level (signaling and gene expression) with those at the cellular and tissue levels to better understand breast cancer oncogenesis.
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 ».