Network-based approach to identify principal isoforms among four cancer types
Notice bibliographique
Résumé
Protein isoforms are structurally similar proteins produced by alternative splicing of a single gene or genes from the same family. Isoforms of a protein can perform the same, similar, or even opposite biological functions. A previous study identified principal isoforms of proteins based on the extent of interactions per isoform in a functional relationship network, focusing on data from normal tissues. Additionally, the expression levels of specific isoforms of various genes associated with tumorigenesis and prognosis are frequently altered in tumors compared with those in normal tissues. In this study, we aimed to identify higher degree isoforms (HDIs) of multi-isoform genes (MIGs) in cancer by applying a meta-analytical framework to calculate co-expression between each pair of isoforms in two large datasets of RNA-seq profiles from breast cancer, lung cancer, leukemia, and colon cancer cell lines. Then, we compared HDIs with isoforms identified by proteomic data and prognostic and predictive evidence in various cancers. In addition, we separately analyzed the associations between HDIs and non-HDIs (nHDIs) of the same genes according to transcript expression and drug responses in various cancer type cell lines. Collectively, these results indicated the complex properties of HDIs per gene identified by cancer type-based isoform-isoform co-expression networks and showed the potential of HDIs as novel therapeutic targets for cancer treatment.
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 ».