Loci-specific differences in blood DNA methylation in HBV-negative populations at risk for hepatocellular carcinoma development
Notice bibliographique
Résumé
Late onset of clinical symptoms in hepatocellular carcinoma (HCC) results in late diagnosis and poor disease outcome. Approximately 85% of individuals with HCC have underlying liver cirrhosis. However, not all cirrhotic patients develop cancer. Reliable tools that would distinguish cirrhotic patients who will develop cancer from those who will not are urgently needed. We used the Illumina HumanMethylation450 BeadChip microarray to test whether white blood cell DNA, an easily accessible source of DNA, exhibits site-specific changes in DNA methylation in blood of diagnosed HCC patients (post-diagnostic, 24 cases, 24 controls) and in prospectively collected blood specimens of HCC patients who were cancer-free at blood collection (pre-diagnostic, 21 cases, 21 controls). Out of 22 differentially methylated loci selected for validation by pyrosequencing, 19 loci with neighbouring CpG sites (probes) were confirmed in the pre-diagnostic study group and subjected to verification in a prospective cirrhotic cohort (13 cases, 23 controls). We established for the first time 9 probes that could distinguish HBV-negative cirrhotic patients who subsequently developed HCC from those who stayed cancer-free. These probes were identified within regulatory regions of BARD1, MAGEB3, BRUNOL5, FXYD6, TET1, TSPAN5, DPPA5, KIAA1210, and LSP1. Methylation levels within DPPA5, KIAA1210, and LSP1 were higher in prospective samples from HCC cases vs. cirrhotic controls. The remaining probes were hypomethylated in cases compared with controls. Using blood as a minimally invasive material and pyrosequencing as a straightforward quantitative method, the established probes have potential to be developed into a routine clinical test after validation in larger cohorts.
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) | 0,000 | 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 ».