The nomogram based on the 6-lncRNA model can promote the prognosis prediction of patients with breast invasive carcinoma
Notice bibliographique
Résumé
Long non-coding RNA (lncRNA) is a prognostic biomarker for many types of cancer. Here, we aimed to study the prognostic value of lncRNA in Breast Invasive Carcinoma (BRCA). We downloaded expression profiles from The Cancer Genome Atlas (TCGA) datasets. Subsequently, we screened the differentially expressed genes between normal tissues and tumor tissues. Univariate Cox, LASSO regression, and multivariate Cox regression analysis were used to construct a lncRNA prognostic model. Finally, a nomogram based on the lncRNAs model was developed, and weighted gene co-expression network analysis (WGCNA) was used to predict mRNAs related to the model, and to perform function and pathway enrichment. We constructed a 6-lncRNA prognostic model. Univariate and multivariate Cox regression analysis showed that the 6-lncRNA model could be used as an independent prognostic factor for BRCA patients. We developed a nomogram based on the lncRNAs model and age, and showed good performance in predicting the survival rates of BRCA patients. Also, functional pathway enrichment analysis showed that genes related to the model were enriched in cell cycle-related pathways. Tumor immune infiltration analysis showed that the types of immune cells and their expression levels in the high-risk group were significantly different from those in the low-risk group. In general, the 6-lncRNA prognostic model and nomogram could be used as a practical and reliable prognostic tool for invasive breast cancer.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».