MétaCan
Menu
Retour à la cohorte
Enregistrement W2920486402 · doi:10.18632/oncotarget.26678

Genetic interaction analysis among oncogenesis-related genes revealed novel genes and networks in lung cancer development

2019· article· en· W2920486402 sur OpenAlexaff
Yafang Li, Xiangjun Xiao, Yohan Bossé, Olga Y. Gorlova, Ivan P. Gorlov, Younghun Han, Jinyoung Byun, Natasha B. Leighl, Jakob Sidenius Johansen, Matt P Barnett, Chen Chu, Gary E. Goodman, Angela Cox, Fiona Taylor, Penella J. Woll, H.‐Erich Wichmann, Judith Manz, Thomas Muley, Angela Risch, Albert Rosenberger, Jiali Han, Katherine A. Siminovitch, Susanne M. Arnold, Eric B. Haura, Ciprian Bolca, Ivana Holcátová, Vladimí­r Janout, Milica Kontić, Jolanta Lissowska, Anush Mukeria, Simona Ognjanovic, Tadeusz Orłowski, Ghislaine Scélo, Beata Świątkowska, Давид Заридзе, Per Bakke, Vidar Skaug, Shanbeh Zienolddiny, Eric J. Duell, Lesley M. Butler, Richard S. Houlston, María Soler Artigas, Kjell Grankvist, Mikael Johansson, Frances A. Shepherd, Michael W. Marcus, Hans Brunnström, Jonas Manjer, Olle Melander, David C. Muller, Kim Overvad, Antonia Trichopoulou, ­Rosario ­Tumino, Geoffrey Liu, Stig E. Bojesen, Xifeng Wu, Loı̈c Le Marchand, Demetrius Albanes, Heike Bickeböller, Melinda C. Aldrich, William S. Bush, Adonina Tardón, Gad Rennert, M. Dawn Teare, John K. Field, Lambertus A. Kiemeney, Philip Lazarus, Aage Haugen, Stephen Lam, Matthew B. Schabath, Angeline S. Andrew, Pier Alberto Bertazzi, Angela Cecilia Pesatori, David C. Christiani, Neil E. Caporaso, Mattias Johansson, James McKay, Paul Brennan, Christopher I. Amos

Notice bibliographique

RevueOncotarget · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of TorontoBC Cancer AgencyPrincess Margaret Cancer CentreUniversité Laval
Organismes subventionnairesNational Cancer InstituteWorld Health Organization
Mots-clésCarcinogenesisLung cancerGeneBiologyGeneticsCancerCancer researchComputational biologyMedicineBioinformaticsOncology

Résumé

récupéré en direct d'OpenAlex

The development of cancer is driven by the accumulation of many oncogenesisrelated genetic alterations and tumorigenesis is triggered by complex networks of involved genes rather than independent actions. To explore the epistasis existing among oncogenesis-related genes in lung cancer development, we conducted pairwise genetic interaction analyses among 35,031 SNPs from 2027 oncogenesis-related genes. The genotypes from three independent genome-wide association studies including a total of 24,037 lung cancer patients and 20,401 healthy controls with Caucasian ancestry were analyzed in the study. Using a two-stage study design including discovery and replication studies, and stringent Bonferroni correction for multiple statistical analysis, we identified significant genetic interactions between SNPs in RGL1:RAD51B (OR=0.44, p value=3.27x10 -11 in overall lung cancer and OR=0.41, p value=9.71x10 -11 in non-small cell lung cancer), SYNE1:RNF43 (OR=0.73, p value=1.01x10 -12 in adenocarcinoma) and FHIT:TSPAN8 (OR=1.82, p value=7.62x10 -11 in squamous cell carcinoma) in our analysis. None of these genes have been identified from previous main effect association studies in lung cancer. Further eQTL gene expression analysis in lung tissues provided information supporting the functional role of the identified epistasis in lung tumorigenesis. Gene set enrichment analysis revealed potential pathways and gene networks underlying molecular mechanisms in overall lung cancer as well as histology subtypes development. Our results provide evidence that genetic interactions between oncogenesis-related genes play an important role in lung tumorigenesis and epistasis analysis, combined with functional annotation, provides a valuable tool for uncovering functional novel susceptibility genes that contribute to lung cancer development by interacting with other modifier genes.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,672

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 Opus0,007
Tête enseignante GPT0,256
Écart entre enseignants0,249 · 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

Citations34
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOncotargetMême sujetRNA modifications and cancerTravaux en français237 207