Comprehensive Dissection of Transcriptome Data and Regulatory Factors in Pancreatic Cancer Cells
Notice bibliographique
Résumé
Features of pancreatic cancers include high mortality rates caused by rapid tumor progression and a lack of effective therapy. Underpinning the molecular mechanisms involved in the alteration of the gene expression program in the pancreatic cancer remains to be understood. In the current study, we performed a comprehensive analysis using 282 pancreatic tumor and normal samples from seven independent expression data sets to provide a better view on the interactions between different transcription factors (TFs) and the most affected biological pathways in pancreatic cancer. We highlighted common differentially expressed genes (DEGs) and common affected processes within pancreatic cancer samples. We revealed 16 main DE-TFs that regulated gene expression alterations as well as the most significant processes in pancreatic cancer compared to normal cells. For example, we found the upregulated FOXM1 to be a top regulator of pancreatic cellular transformation based on results from different analyses, including from its regulation of gene regulatory networks, its presence in protein complex, its significant regulation of genes related to cancer pathways, and its regulation of most of the identified DE-TFs. Furthermore, we provided a model and assessed the role of different DE-TFs in the regulation of the most affected pancreatic- and cancer-specific processes. In conclusion, our bioinformatics meta-analysis of high throughput expression data sets, besides clarifying common affected genes and pathways, also showed the mechanisms involved in regulating these common profiles. Our results, especially for DE-TFs, could potentially be useful for screening for pancreatic cancer, and for confirming or determining novel pharmacological targets. J. Cell. Biochem. 118: 3976-3985, 2017. © 2017 Wiley Periodicals, Inc.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».