An Eight-CircRNA Assessment Model for Predicting Biochemical Recurrence in Prostate Cancer
Notice bibliographique
Résumé
Prostate cancer (PCa) is a high morbidity malignancy in males, and biochemical recurrence (BCR) may appear after the surgery. Our study is designed to build up a risk score model using circular RNA sequencing data for PCa. The dataset is from the GEO database, using a cohort of 144 patients in Canada. We removed the low abundance circRNAs (FPKM < 1) and obtained 546 circRNAs for the next step. BCR-related circRNAs were selected by Logistic regression using the “survival” and “survminer” R package. Least absolute shrinkage and selector operation (LASSO) regression with 10-fold cross-validation and penalty was used to construct a risk score model by “glmnet” R software package. In total, eight circRNAs (including circ_30029, circ_117300, circ_176436, circ_112897, circ_112897, circ_178252, circ_115617, circ_14736, and circ_17720) were involved in our risk score model. Further, we employed differentially expressed mRNAs between high and low risk score groups. The following Gene Ontology (GO) analysis were visualized by Omicshare Online tools. As per the GO analysis results, tumor immune microenvironment related pathways are significantly enriched. “CIBERSORT” and “ESTIMATE” R package were used to detect tumor-infiltrating immune cells and compare the level of microenvironment scores between high and low risk score groups. What’s more, we verified two of eight circRNA’s (circ_14736 and circ_17720) circular characteristics and tested their biological function with qPCR and CCK8 in vitro. circ_14736 and circ_17720 were detected in exosomes of PCa patients’ plasma. This is the first bioinformatics study to establish a prognosis model for prostate cancer using circRNA. These circRNAs were associated with CD8+ T cell activities and may serve as a circRNA-based liquid biopsy panel for disease prognosis.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».