Dissecting the expression landscape of genitourinary cancers.
Notice bibliographique
Résumé
573 Background: Genitourinary (GU) cancers include bladder urothelial carcinoma (BCa), prostate cancer, kidney clear cell or papillary carcinoma, uterus endometrial carcinoma, ovarian cystadenocarcinoma and testicular germ cell tumors. Clinical data show a higher prevalence of GU cancers for men than women, suggesting significant molecular differences depending on sex regarding cancer development. This project aims at dissecting the expression landscape for all GU cancers and identify significant dysregulated genes between cancer and normal tissues specific either for men and women. The resulting data will serve a clinical application consisting in targeting novel molecular biomarkers detected in urine for GU cancers early diagnosis. Methods: Based on RNAseq data provided by The Cancer Genome Atlas, gene expression fold-change for 19,123 genes from cancer tissues and normal tissues was initially compared for each GU cancer. To ensure significant gene dysregulation, only genes showing a fold-change ≤ -log2(2) or ≥ log2(2) and a p-value < 0.05 were retained. Next, a comparison in gene expression modification between men and women for each cancer was made to identify the most significant molecular differences between both sexes. Unique dysregulated genes for each cancer were then identified and their presence or absence in urine was confirmed. From the pool of genes expressing proteins in urine, non-parametric tests for paired and unpaired values were used to determine the statistical difference between cancer and normal tissues in terms of gene expression. Results: Among 2880 genes significantly dysregulated for all five GU cancers, more than half of them were unique to BCa. Among these, 129 gene products (proteins) were ultimately detected in urine of patients. Seven up-regulated and ten down-regulated genes have shown high statistical differences between cancer and normal tissues in the Mann-Whitney U test for unpaired values. CEACAM6, S100A8 and S100A9 have shown significant differences in the Wilcoxon test for paired values which make them potential biomarkers ready for validation by LC-MS/MS. Conclusions: This present study shows the relevance to pursue research in gene expression modification in cancer to improve early diagnosis.
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 | 0,001 |
| 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 ».