MétaCan
Menu
Retour à la cohorte
Enregistrement W3032222452 · doi:10.1016/j.tranon.2020.100802

Distinguishing Tumor and Stromal Sources of MicroRNAs Linked to Metastasis in Cutaneous Melanoma

2020· article· en· W3032222452 sur OpenAlexafffund
Kathleen Watt, Kathrin Tyryshkin, Neil Renwick, Andrew W. Craig

Notice bibliographique

RevueTranslational Oncology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Institutes of Health ResearchCancer Research Society
Mots-clésmicroRNAMetastasisStromal cellMelanomaCancer researchMetastasis Suppressor GeneBiologySuppressorSkin cancerPathologyCancerMedicineGeneGenetics

Résumé

récupéré en direct d'OpenAlex

MicroRNA (miRNA) dysregulation in cancer causes changes in gene expression programs regulating tumor progression and metastasis. Candidate metastasis suppressor miRNA are often identified by differential expression in primary tumors compared to metastases. Here, we performed comprehensive analysis of miRNA expression in The Cancer Genome Atlas (TCGA) skin cutaneous melanoma (SKCM) tumors (97 primary, 350 metastatic), and identified candidate metastasis-suppressor miRNAs. Differential expression analysis revealed miRNA significantly downregulated in metastatic tumors, including miR-205, miR-203, miR-200a-c, and miR-141. Furthermore, sequential feature selection and classification analysis identified miR-205 and miR-203 as the miRNA best able to discriminate between primary and metastatic tumors. However, cell-type enrichment analysis revealed that gene expression signatures for epithelial cells, including keratinocytes and sebocytes, were present in primary tumors and significantly correlated with expression of the candidate metastasis-suppressor miRNA. Examination of miRNA expression in cell lines revealed that candidate metastasis-suppressor miRNA identified in the SKCM tumors, were largely absent in melanoma cells or melanocytes, and highly restricted to keratinocytes and other epithelial cell types. Indeed, the differences in stromal cell composition between primary and metastatic tumor tissues is the main basis for identification of differential miRNA that were previously classified as metastasis-suppressor miRNAs. We conclude that future studies must consider tumor-intrinsic and stromal sources of miRNA in their workflow to identify bone fide metastasis-suppressor miRNA in cutaneous melanoma and other cancers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,273
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTranslational OncologyMême sujetMicroRNA in disease regulationTravaux en français237 207