MétaCan
Menu
Retour à la cohorte
Enregistrement W2563115712 · doi:10.1158/1055-9965.epi-16-0604

Transcriptomic Microenvironment of Lung Adenocarcinoma

2016· article· en· W2563115712 sur OpenAlexafffund
Yohan Bossé, Olga V. Sazonova, Nathalie Gaudreault, Nathalie Bastien, Massimo Conti, Sylvain Pagé, Sylvain Trahan, Christian Couture, Philippe Joubert

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensUniversité LavalInstitut universitaire de cardiologie et de pneumologie de Québec
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchInstitut universitaire de cardiologie et de pneumologie de Québec, Université Laval
Mots-clésAdenocarcinomaLung cancerTranscriptomeLungGeneCancer researchBiologyGene expression profilingGene expressionPathologyCancerMedicineGeneticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Tissues surrounding tumors are increasingly studied to understand the biology of cancer development and identify biomarkers. Methods: A unique geographic tissue sampling collection was obtained from patients that underwent curative lobectomy for stage I pulmonary adenocarcinoma. Tumor and nontumor lung samples located at 0, 2, 4, and 6 cm away from the tumor were collected. Whole-genome gene expression profiling was performed on all samples (n = 5 specimens × 12 patients = 60). Analyses were carried out to identify genes differentially expressed in the tumor compared with adjacent nontumor lung tissues at different distances from the tumor as well as to identify stable and transient genes in nontumor tissues with respect to tumor proximity. Results: The magnitude of gene expression changes between tumor and nontumor sites was similar with increasing distance from the tumor. A total of 482 up- and 843 downregulated genes were found in tumors, including 312 and 566 that were consistently differentially expressed across nontumor sites. Twenty-nine genes induced and 34 knocked-down in tumors were also identified. Tumor proximity analyses revealed 15,700 stable genes in nontumor lung tissues. Gene expression changes across nontumor sites were subtle and not statistically significant. Conclusions: This study describes the transcriptomic microenvironment of lung adenocarcinoma and adjacent nontumor lung tissues collected at standardized distances relative to the tumor. Impact: This study provides further insights about the molecular transitions that occur from normal tissue to lung adenocarcinoma and is an important step to develop biomarkers in nonmalignant lung tissues. Cancer Epidemiol Biomarkers Prev; 26(3); 389–96. ©2016 AACR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,320
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetRNA modifications and cancerTravaux en français237 207