MétaCan
Menu
Retour à la cohorte
Enregistrement W3206101222 · doi:10.1186/s12943-021-01416-5

Experimental and computational modeling for signature and biomarker discovery of renal cell carcinoma progression

2021· article· en· W3206101222 sur OpenAlex
Lindsay S. Cooley, Justine Rudewicz, Wilfried Souleyreau, Andrea Emanuelli, Arturo Álvarez-Arenas, Kim Clarke, Francesco Falciani, Maeva Dufies, Diether Lambrechts, Elodie Modave, Domitille Chalopin-Fillot, Raphaël Pineau, Damien Ambrosetti, Jean‐Christophe Bernhard, Alain Ravaud, Sylvie Négrier, Jean-­Marc Ferrero, Gilles Pagès, Sébastien Benzekry, Macha Nikolski, Andréas Bikfalvi

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMolecular Cancer · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueFerroptosis and cancer prognosis
Établissements canadiensnon disponible
Organismes subventionnairesJunta de Comunidades de Castilla-La ManchaConseil Régional AquitaineInstitut National Du CancerUniversité de BordeauxAgence Nationale de la RechercheMcGill University
Mots-clésRenal cell carcinomaBiologyTranscriptomeTumor progressionClear cell renal cell carcinomaCancerCirculating tumor cellCancer researchKidney cancerMetastasisBiomarkerPrimary tumorTumor initiationComputational biologyOncologyGeneMedicineGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Renal Cell Carcinoma (RCC) is difficult to treat with 5-year survival rate of 10% in metastatic patients. Main reasons of therapy failure are lack of validated biomarkers and scarce knowledge of the biological processes occurring during RCC progression. Thus, the investigation of mechanisms regulating RCC progression is fundamental to improve RCC therapy. METHODS: In order to identify molecular markers and gene processes involved in the steps of RCC progression, we generated several cell lines of higher aggressiveness by serially passaging mouse renal cancer RENCA cells in mice and, concomitantly, performed functional genomics analysis of the cells. Multiple cell lines depicting the major steps of tumor progression (including primary tumor growth, survival in the blood circulation and metastatic spread) were generated and analyzed by large-scale transcriptome, genome and methylome analyses. Furthermore, we performed clinical correlations of our datasets. Finally we conducted a computational analysis for predicting the time to relapse based on our molecular data. RESULTS: Through in vivo passaging, RENCA cells showed increased aggressiveness by reducing mice survival, enhancing primary tumor growth and lung metastases formation. In addition, transcriptome and methylome analyses showed distinct clustering of the cell lines without genomic variation. Distinct signatures of tumor aggressiveness were revealed and validated in different patient cohorts. In particular, we identified SAA2 and CFB as soluble prognostic and predictive biomarkers of the therapeutic response. Machine learning and mathematical modeling confirmed the importance of CFB and SAA2 together, which had the highest impact on distant metastasis-free survival. From these data sets, a computational model predicting tumor progression and relapse was developed and validated. These results are of great translational significance. CONCLUSION: A combination of experimental and mathematical modeling was able to generate meaningful data for the prediction of the clinical evolution of RCC.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,280

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,302
Écart entre enseignants0,284 · 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