A multi-layered systems approach for renal cell carcinoma
Notice bibliographique
Résumé
Abstract Renal cell carcinoma (RCC) still lacks prognostic and predictive biomarkers to monitor the disease and the response to therapy. The usual strategy in translational research is to start from human samples, to identify molecular markers and gene networks and then to functionally validate them in vitro and in animal models. We devised herein a completely opposite strategy from “mouse to man” by performing an aggressiveness screen and used functional genomics, imaging, clinical data and computational approaches in order to discover molecular pathways and players in renal cancer development and metastasis. Multiple cell lines for primary tumor growth, survival in the blood circulation and lung metastasis or metastatic spread from the primary tumor were generated and analyzed using a multi-layered approach which includes large-scale transcriptome, genome and methylome analyses. Transcriptome and methylome analyses demonstrated distinct clustering in three different groups. Remarkably, DNA sequencing did not show significant genomic variations in the different groups which indicates absence of clonal selection during the in vivo amplification process. Transcriptome analysis revealed distinct signatures of tumor aggressiveness which were validated in patient cohorts. Methylome analysis of full-length DNA allowed clustering of the same groups and revealed clinically relevant signatures. Furthermore, we identified SAA2 and CFB as soluble prognostic and predictive biomarkers of the therapeutic response. We also uncovered IL34 as another soluble prognostic biomarker and key regulator of renal cell carcinoma (RCC) progression. This was also functionally validated in vivo, and a mathematical model of IL34-dependent primary tumor growth and metastasis development was provided. These results indicate that such multilayered analysis in a RCC animal model leads to meaningful results that are of translational significance. One Sentence Summary An aggressiveness screen with multilayer systems analysis to identify signatures and biomarkers for renal cell carcinoma aggressiveness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».