Genome‐wide DNA methylation profiling identifies two novel genes in cervical neoplasia
Notice bibliographique
Résumé
DNA methylation analysis may improve risk stratification in cervical screening. We used a pan‐epigenomic approach to identify new methylation markers along the continuum of cervical intraepithelial neoplasia (CIN) to cervical cancer. Physician‐collected samples (54 normal, 50 CIN1, 40 CIN2 and 42 CIN3) were randomly selected from women at a single‐center colposcopy clinic. Extracted DNA was subjected to Illumina Infinium EPIC array analysis, and methylation was assessed blinded to histopathological and clinical data. CpG sites whose state of methylation correlated with lesion grade were assessed (Spearman correlation), and a weighted methylation score was calculated comparing normal to CIN3. Validation of the top selected genes was performed in an independent cohort (100 normal, 50 CIN1, 50 CIN2, 50 CIN3 and 8 cervical cancers) of new patients, referred for colposcopic examination at three hospitals, using targeted DNA methylation Illumina amplicon sequencing. The relationship between a combined weighted marker score and progression from normal through precancerous lesions and cervical cancer was compared using one‐way ANOVA. Our analyses revealed 7,715 CpGs whose methylation level correlated with progression (from normal to CIN1, CIN2 and CIN3), with a significant trend of increased methylation with lesion grade. We shortlisted a bigenic (hyaluronan synthase 1, HAS1 and ATPase phospholipid transporting 10A, ATP10A corresponding to cg03419058 and cg13944175 sites) marker set; r = 0.55, p < 0.0001. Validation of the four most discriminating genes (CA10, DPP10, FMN2 and HAS1) showed a significant correlation between methylation levels and disease progression (p‐value < 2.2 × 10−16, adjusted R2 = 0.952). Translational research of the identified genes to future clinical applications is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».