Meta-analysis of gene expression disease signatures in colonic biopsy tissue from patients with ulcerative colitis
Notice bibliographique
Résumé
Publicly available ulcerative colitis (UC) gene expression datasets from observational studies and clinical trials include inherently heterogeneous disease characteristics and methodology. We used meta-analysis to identify a robust UC gene signature from inflamed biopsies. Eight gene expression datasets derived from biopsy tissue samples from noninflammatory bowel disease (IBD) controls and areas of active inflammation from patients with UC were publicly available. Expression- and meta-data were downloaded with GEOquery. Differentially expressed genes (DEG) in individual datasets were defined as those with fold change > 1.5 and a Benjamini-Hochberg adjusted P value < .05. Meta-analysis of all DEG used a random effects model. Reactome pathway enrichment analysis was conducted. Meta-analysis identified 946 up- and 543 down-regulated genes in patients with UC compared to non-IBD controls (1.2 and 1.7 times fewer up- and down-regulated genes than the median of the individual datasets). Top-ranked up- and down-regulated DEG were LCN2 and AQP8. Multiple immune-related pathways (e.g., 'Chemokine receptors bind chemokine' and 'Interleukin-10 signaling') were significantly up-regulated in UC, while 'Biological oxidations' and 'Fatty acid metabolism' were downregulated. A web-based data-mining tool with the meta-analysis results was made available ( https://premedibd.com/genes.html ). A UC inflamed biopsy disease gene signature was derived. This signature may be an unbiased reference for comparison and improve the efficiency of UC biomarker studies by increasing confidence for identification of disease-related genes and pathways.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,017 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».