RNA sequencing data of human prostate cancer cells treated with androgens
Notice bibliographique
Résumé
Prostate cancer (PCa) is the most frequent cancer in North American men and PCa cells rely on the androgen receptor (AR) for growth and survival. To understand the effect of AR in cancer cells, we have treated LNCaP and LAPC4 cells, two immortalized human PCa cells in vitro , with the synthetic androgen R1881 and then performed RNA-seq analyses. High quality sequencing data have been analyzed using our bioinformatic pipeline which consists of FastQC for quality controls, Trimmomatic for trimming, and Kallisto for pseudoalignment to the transcriptome. Differentially expressed genes were identified using DESeq2 after adjustment for false-discovery rate (FDR q values < 0.05) and Relative Log Expression (RLE) normalization. Gene Set Enrichment Analysis (GSEA) was also performed to identify biological pathways significantly modulated by androgens. GSEA analyses identified the androgen signaling pathway, as well as several metabolic pathways, as significantly enriched following androgen stimulation. These analyses highlight the most significant metabolic pathways up-regulated following AR activation. Raw and processed RNA-seq data were deposited and made publicly available on the Gene Expression Omnibus (GEO; GSE128749). These data have been incorporated in a recent article describing the functions of AR as a master regulator of PCa cell metabolism. For more details about interpretation of these results, please refer to “Functional genomics studies reveal the androgen receptor as a master regulator of cellular energy metabolism in prostate cancer” by Gonthier et al. (doi: 10.1016/j.jsbmb.2019.04.016).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,010 |
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 ».