Epigenome-Wide DNA Methylation Profiling Identifies Differential Methylation Biomarkers in High-Grade Bladder Cancer
Notice bibliographique
Résumé
Epigenetic changes, including CpG island hypermethylation, occur frequently in bladder cancer (BC) and may be exploited for BC detection and distinction between high-grade (HG) and low-grade (LG) disease. Genome-wide methylation analysis was performed using Agilent Human CpG Island Microarrays to determine epigenetic differences between LG and HG cases. Pathway enrichment analysis and functional annotation determined that the most frequently methylated pathways in HG BC were enriched for anterior/posterior pattern specification, embryonic skeletal system development, neuron fate commitment, DNA binding, and transcription factor activity. We identified 990 probes comprising a 32-gene panel that completely distinguished LG from HG based on methylation. Selected genes from this panel, EOMES, GP5, PAX6, TCF4, and ZSCAN12, were selected for quantitative polymerase chain reaction-based validation by MethyLight in an independent series (n=84) of normal bladder samples and LG and HG cases. GP5 and ZSCAN12, two novel methylated genes in BC, were significantly hypermethylated in HG versus LG BC (P≤.03). We validated our data in a second independent cohort of LG and HG BC cases (n=42) from The Cancer Genome Atlas (TCGA). Probes representing our 32-gene panel were significantly differentially methylated in LG versus HG tumors (P≤.04). These results indicate the ability to distinguish normal tissue from cancer, as well as LG from HG, based on methylation and reveal important pathways dysregulated in HG BC. Our findings were corroborated using publicly available data sets from TCGA. Ultimately, the creation of a methylation panel, including GP5 and ZSCAN12, able to distinguish between disease phenotypes will improve disease management and patient outcomes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».