Butyrate-Induced<i>In Vitro</i>Colonocyte Differentiation Network Model Identifies<i>ITGB1, SYK, CDKN2A, CHAF1A,</i>and<i>LRP1</i>as the Prognostic Markers for Colorectal Cancer Recurrence
Notice bibliographique
Résumé
Numerous mechanisms are believed to contribute to the role of dietary fiber-derived butyrate in the protection against the development of colorectal cancers (CRCs). To identify the most crucial butyrate-regulated genes, we exploited whole genome microarray of HT-29 cells differentiated in vitro by butyrate treatment. Butyrate differentiates HT-29 cells by relaxing the perturbation, caused by mutations of Adenomatous polyposis coli (APC) and TP53 genes, the most frequent mutations observed in CRC. We constructed protein-protein interaction network (PPIN) with the differentially expressed genes after butyrate treatment and extracted the hub genes from the PPIN, which also participated in the APC-TP53 network. The idea behind this approach was that the expression of these hub genes also regulated cell differentiation, and subsequently CRC prognosis by evading the APC-TP53 mutational effect. We used mRNA expression profile of these critical hub genes from seven large CRC cohorts. Logistic Regression showed strong evidence for association of these common hubs with CRC recurrence. In this study, we exploited PPIN to reduce the dimension of microarray biologically and identified five prognostic markers for the CRC recurrence, which were validated across different datasets. Moreover, these five biomarkers we identified increase the predictive value of the TNM staging for CRC recurrence.
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 ».