Abstract 1044: Development of a miRNA-based signature to predict human cancer metastasis
Notice bibliographique
Résumé
Abstract Metastasis is the primary cause of death for cancer patients, and invasive cancer cell migration is required at multiple steps during metastasis (e.g. intravasation and extravasation). Since microRNAs (miRNAs) have been implicated as key regulators of metastatic spread of cancer cells, we sought to develop a miRNA signature that can be used to predict cancer metastasis. We hypothesized that the miRNAs that are functionally required for invasive cell migration could serve as biomarkers to predict human cancer metastasis. We developed an intravital imaging-based approach combined with NGS to screen for miRNAs that are required for invasive cell migration of human HT1080 fibrosarcoma cells. The screen-identified miRNAs were validated in a panel of in vitro and in vivo assays for invasive migration. Microarray analysis identified genes downregulated in transfected HT1080 cells. Publically available databases were used to correlate the expression of screen-identified miRNAs and the progression of multiple human cancers. We used a qRT-PCR approach combined with machine learning to develop a miRNA signature to predict metastasis in a 66-patient cohort of prostate cancer. We identified over twenty novel miRNAs that regulate directional cancer invasion. Microarray analysis in HT1080 cells revealed that the altered expression of metastasis-regulating miRNAs is associated with 50% reduction in gene expression of migration and adhesion gene network components such as integrin a4, CDC42, and transgelin). We evaluated the potential of screen-identified miRNAs to serve as biomarkers to predict cancer metastasis. Using publically available databases, we found that majority of screen-identified miRNAs are dysregulated in multiple human cancer types (e.g. prostate, breast, ovarian and lung) and the expression of these miRNAs correlate directly with patient disease progression. We analyzed the expression of the top two screen-identified miRNAs in plasma samples from the PCa patient cohort. A signature was generated using a weighted K-nearest neighbor algorithm that provided a ROC area under the curve of 0.79 for predicting metastatic disease. We identified a panel of novel metastasis-regulating miRNAs that is functionally involved in human cancer metastasis. These miRNAs have the potential to serve as both biomarkers to predict metastasis and potentially as therapeutic targets to block metastasis. Citation Format: Lian Willetts, Konstantin Stoletov, Juan Jovel, Emma Woolner, John D. Lewis. Development of a miRNA-based signature to predict human cancer metastasis [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2017; 2017 Apr 1-5; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2017;77(13 Suppl):Abstract nr 1044. doi:10.1158/1538-7445.AM2017-1044
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».