Detecting the Presence and Progression of Premalignant Lung Lesions via Airway Gene Expression
Notice bibliographique
Résumé
Abstract Purpose: Lung cancer is the leading cause of cancer-related death in the United States. The molecular events preceding the onset of disease are poorly understood, and no effective tools exist to identify smokers with premalignant lesions (PMLs) that will progress to invasive cancer. Prior work identified molecular alterations in the smoke-exposed airway field of injury associated with lung cancer. Here, we focus on an earlier stage in the disease process leveraging the airway field of injury to study PMLs and its utility in lung cancer chemoprevention. Experimental Design: Bronchial epithelial cells from normal appearing bronchial mucosa were profiled by mRNA-Seq from subjects with (n = 50) and without (n = 25) PMLs. Using surrogate variable and gene set enrichment analysis, we identified genes, pathways, and lung cancer–related gene sets differentially expressed between subjects with and without PMLs. A computational pipeline was developed to build and test a chemoprevention-relevant biomarker. Results: We identified 280 genes in the airway field associated with the presence of PMLs. Among the upregulated genes, oxidative phosphorylation was strongly enriched, and IHC and bioenergetics studies confirmed pathway findings in PMLs. The relationship between PMLs and squamous cell carcinomas (SCC) was also confirmed using published lung cancer datasets. The biomarker performed well predicting the presence of PMLs (AUC = 0.92, n = 17), and changes in the biomarker score associated with progression/stability versus regression of PMLs (AUC = 0.75, n = 51). Conclusions: Transcriptomic alterations in the airway field of smokers with PMLs reflect metabolic and early lung SCC alterations and may be leveraged to stratify smokers at high risk for PML progression and monitor outcome in chemoprevention trials. Clin Cancer Res; 23(17); 5091–100. ©2017 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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».