Novel regulatory and transcriptional networks associated with resistance to platinum-based chemotherapy in ovarian cancer
Notice bibliographique
Résumé
Abstract Background High-grade serous ovarian cancer (HGSOC) is a highly lethal gynecologic cancer, in part due to resistance to platinum-based chemotherapy reported among 20% of patients. This study aims to elucidate the biological mechanisms underlying chemotherapy resistance, which remain poorly understood. Methods Sequencing data (mRNA and microRNA) from HGSOC patients were analyzed to identify differentially expressed genes and co-expressed transcript networks associated with chemotherapy response. Initial analyses used datasets from The Cancer Genome Atlas and then replicated in two independent cancer cohorts. Moreover, transcript expression datasets and genomics data (i.e. single nucleotide polymorphisms) were integrated to determine potential regulation of the associated mRNA networks by microRNAs and expression quantitative trait loci (eQTLs). Results In total, 196 differentially expressed mRNAs were enriched for adaptive immunity and translation, and 21 differentially expressed microRNAs were associated with angiogenesis. Moreover, co-expression network analysis identified two mRNA networks associated with chemotherapy response, which were enriched for ubiquitination and lipid metabolism, as well as three associated microRNA networks enriched for lipoprotein transport and oncogenic pathways. In addition, integrative analyses revealed potential regulation of the mRNA networks by the associated microRNAs and eQTLs. Conclusion We report novel transcriptional networks and pathways associated with resistance to platinum-based chemotherapy among HGSOC patients. These results aid our understanding of the effector networks and regulators of chemotherapy response, which will improve drug efficacy and identify novel therapeutic targets for ovarian cancer.
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 | 0,000 |
| 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 ».