Comprehensive Analysis of a Long Noncoding RNA-Associated Competing Endogenous RNA Network in Wilms Tumor
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
Long noncoding RNA (lncRNA) plays crucial roles in various biological processes of different cancers, especially acting as a competing endogenous RNA (ceRNA). However, the role of lncRNA-mediated ceRNA in Wilms tumor (WT), which is the most common malignant kidney cancer in children, remains unknown. In present study, RNA sequence profiles and clinical data of 125 patients with WT consisting of 119 tumor and 6 normal tissues from Therapeutically Applicable Research To Generate Effective Treatments database were analyzed. A total of 1833 lncRNAs, 156 microRNAs (miRNAs), and 3443 messenger RNAs (mRNAs) were identified as differentially expressed (DE) using “DESeq2” package. The lncRNA-miRNA-mRNA ceRNA regulatory network involving 748 DElncRNAs, 33 DEmiRNAs, and 189 DEmRNAs was constructed based on miRcode, Targetscan, miRTarBase, and miRDB database. Gene Ontology term and Kyoto Encyclopedia of Genes and Genomes pathway analyses revealed that DEmRNAs were mainly enriched in cell proliferation-related processes and tumor-related pathways, respectively, and 13 hub genes were identified by a protein–protein interaction network. Survival analysis detected 48 lncRNAs, 7 miRNAs, and 16 mRNAs to have significant impact on the overall survival of patients with WT. Additionally, we found that 6 DElncRNAs with potential prognostic value were correlated with tumor stage ( DENND5B-AS1) and histologic classification ( TMPO-AS1, RP3-523K23.2, RP11-598F7.3, LAMP5-AS1, and AC013275.2) of patients with WT. Our research provides a great insight into understanding the molecular mechanism underlying occurrence and progression of WT, as well as the potential to develop targeted therapies and prognostic biomarkers.
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 | 0,001 |
| 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) | 0,000 | 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