MétaCan
Menu
Retour à la cohorte
Enregistrement W2763099515 · doi:10.24870/cjb.2017-a93

Classification of enhancer promoter interaction pairs based on expression patterns and distances involved in disease manifestation in human

2017· article· en· W2763099515 sur OpenAlexvenueno aff
Abhishek Das, Subhadeep Das, Samrat Ghosh, Sucheta Tripathy

Notice bibliographique

RevueCanadian Journal of Biotechnology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Chromatin Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnhancerExpression (computer science)Computational biologyHuman diseaseGeneticsBiologyDiseaseGene expressionComputer scienceGeneMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Enhancers-the non-coding regions of genomes' are responsible for regulation of transcription of interacting genes. In different cell lines different regions act as enhancers. Enhancer-promoter interaction (EPI) models suggest that enhancer helps in the assembly of transcription factors along with RNA polymerase II and interacts with promoters to increase the expression of corresponding genes. During transcription, enhancer itself undergoes transcription giving rise to small RNAs, known as enhancer RNA. Presence of Transcription Start Sites (TSS) in annotated enhancer regions is also defined as active enhancers. Three different human cell-lines namely, Gm12878, K562 and H1-hesc which are normal, cancerous and stem cell-lines respectively were studied. K-medoids algorithm was used to segregate EPI in all the cell-lines. Three clusters were derived on the basis of expression of enhancer, expression of their interacting promoters and distance between the two. Statistical t-test analysis showed that all clusters were different from each other. Cluster-1 (expression of enhancer Mean (eeMean) =59.12, Median (eeMedian) =12.09) and cluster-2 (eeMean=1799.9, eeMedian=1468) differ from each other on the basis of enhancer's expression. Cluster-2 (distance mean=20521, eeMean=1799.9; distance median=7984, eeMedian=1468.5) was different from cluster-3 (distance mean=180798, distance median=162626) on the basis of distance and the expression of TSS at enhancer. Finally cluster-1 (distance mean=18030, distance median=6966) and cluster-3 (distance mean=180798, distance median=162626) differ from each other on the basis of distance. RNAseq analysis showed 7 upregulated genes in K562 compared to Gm12878. Further, EPI distributions of MYC, RAD23B and Insulin like growth factors showed similar pattern in K562 and H1hesc, and they were present in cluster-1. Whereas EPI of MDN1, CDKN1C, and eukaryotic translation elongation factor2 in K562 were present in cluster-1 and EPI of H1hesc were present in cluster-1 and cluster-3. EPI of Erythrocyte membrane protein were segregated into cluster-1 and cluster-3 for both K562 and H1hesc, whereas all of these interactions were absent in Gm12878. Overall these results suggests that enhancer activities are mainly responsible for carcinogenesis in K562 cell-lines otherwise absent in normal cell-lines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,574
Score d'incertitude au seuil0,964

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,250
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of BiotechnologyMême sujetGenomics and Chromatin DynamicsTravaux en français237 207