Construction of a Novel Multigene Panel Potently Predicting Poor Prognosis in Patients with Clear Cell Renal Cell Carcinoma
Notice bibliographique
Résumé
We observed associations of IQGAP1 downregulation with poor overall survival (OS) in clear cell renal cell carcinoma (ccRCC). Differentially expressed genes (DEGs, n = 611) were derived from ccRCCs with (n = 111) and without IQGAP1 (n = 397) reduction using the TCGA PanCancer Atlas ccRCC dataset. These DEGs exhibit downregulations of immune response and upregulations of DNA damage repair pathways. Through randomization of the TCGA dataset into a training and testing subpopulation, a 9-gene panel (SigIQGAP1NW) was derived; it predicts poor OS in training, testing, and the full population at a hazard ratio (HR) 2.718, p < 2 × 10−16, p = 1.08 × 10−5, and p < 2 × 10−16, respectively. SigIQGAP1NW independently associates with poor OS (HR 1.80, p = 2.85 × 10−6) after adjusting for a set of clinical features, and it discriminates ccRCC mortality at time-dependent AUC values of 70% at 13.8 months, 69%/31M, 69%/49M, and 75.3%/71M. All nine component genes of SigIQGAP1NW are novel to ccRCC. The inclusion of RECQL4 (a DNA helicase) in SigIQGAP1NW agrees with IQGAP1 DEGs enhancing DNA repair. THSD7A affects kidney function; its presence in SigIQGAP1NW is consistent with our observed THSD7A downregulation in ccRCC (n = 523) compared to non-tumor kidney tissues (n = 100). Collectively, we report a novel multigene panel that robustly predicts poor OS in ccRCC.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».