MétaCan
Menu
Retour à la cohorte
Enregistrement W3163018211 · doi:10.3892/ol.2021.12804

Immune-related gene expression signatures in colorectal cancer.

2021· article· en· W3163018211 sur OpenAlexaff
Zhenqing Sun, Wei Xia, Yali Lyu, Yanan Song, Min Wang, Ruirui Zhang, Guo-de Sui, Zhenlu Li, Li Song, Changliang Wu, Choong‐Chin Liew, Lei Yu, Guang Cheng, Changming Cheng

Notice bibliographique

RevuePubMed · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésImmune systemBiologyGene expression profilingClusterinGene expressionGene signatureMicroarray analysis techniquesCarcinogenesisCancer researchImmunologyCancerGeneGenetics

Résumé

récupéré en direct d'OpenAlex

The immune system is crucial in regulating colorectal cancer (CRC) tumorigenesis.Identification of immune-related transcriptomic signatures derived from the peripheral blood of patients with CRC would provide insights into CRC pathogenesis, and suggest novel clues to potential immunotherapy strategies for the disease.The present study collected blood samples from 59 patients with CRC and 62 healthy control patients and performed whole blood gene expression profiling using microarray hybridization.Immune-related gene expression signatures for CRC were identified from immune gene datasets, and an algorithmic predictive model was constructed for distinguishing CRC from controls.Model performance was characterized using an area under the receiver operating characteristic curve (ROC AUC).Functional categories for CRC-specific gene expression signatures were determined using gene set enrichment analyses.A Kaplan-Meier plotter survival analysis was also performed for CRC-specific immune genes in order to characterize the association between gene expression and CRC prognosis.The present study identified five CRC-specific immune genes [protein phosphatase 3 regulatory subunit Bα (PPP3R1), amyloid β precursor protein, cathepsin H, proteasome activator subunit 4 and DEAD-Box Helicase 3 X-Linked].A predictive model based on this five-gene panel showed good discriminatory power (independent test set sensitivity, 83.3%; specificity, 94.7%, accuracy, 89.2%; ROC AUC, 0.96).The candidate genes were involved in pathways associated with 'adaptive immune responses', 'innate immune responses' and 'cytokine signaling'.The survival analysis found that a high level of PPP3R1 expression was associated with a poor CRC prognosis.The present study identified five CRC-specific immune genes that were potential diagnostic biomarkers for CRC.The biological function analysis indicated a close association between CRC pathogenesis and the immune system, and may reveal more information about the immunogenic and pathogenic mechanisms driving CRC in the future.Overall, the association between PPP3R1 expression and survival of patients with CRC revealed potential new targets for CRC immunotherapy.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207