Long non-coding RNAs identify a subset of luminal muscle-invasive bladder cancer patients with favorable prognosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Muscle-invasive bladder cancer (MIBC) is a heterogeneous disease, and gene expression profiling has identified several molecular subtypes with distinct biological and clinicopathological characteristics. While MIBC subtyping has primarily been based on messenger RNA (mRNA), long non-coding RNAs (lncRNAs) may provide additional resolution. METHODS: LncRNA expression was quantified from microarray data of a MIBC cohort treated with neoadjuvant chemotherapy (NAC) and radical cystectomy (RC) (n = 223). Unsupervised consensus clustering of highly variant lncRNAs identified a four-cluster solution, which was characterized using a panel of MIBC biomarkers, regulon activity profiles, gene signatures, and survival analysis. The four-cluster solution was confirmed in The Cancer Genome Atlas (TCGA) cohort (n = 405). A single-sample genomic classifier (GC) was trained using ridge-penalized logistic regression and validated in two independent cohorts (n = 255 and n = 94). RESULTS: NAC and TCGA cohorts both contained an lncRNA cluster (LC3) with favorable prognosis that was enriched with tumors of the luminal-papillary (LP) subtype. In both cohorts, patients with LP tumors in LC3 (LPL-C3) were younger and had organ-confined, node-negative disease. The LPL-C3 tumors had enhanced FGFR3, SHH, and wild-type p53 pathway activity. In the TCGA cohort, LPL-C3 tumors were enriched for FGFR3 mutations and depleted for TP53 and RB1 mutations. A GC trained to identify these LPL-C3 patients showed robust performance in two validation cohorts. CONCLUSIONS: Using lncRNA expression profiles, we identified a biologically distinct subgroup of luminal-papillary MIBC with a favorable prognosis. These data suggest that lncRNAs provide additional information for higher-resolution subtyping, potentially improving precision patient management.
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.
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 découle