Somatic driver mutation prevalence in 1844 prostate cancers identifies ZNRF3 loss as a predictor of metastatic relapse
Notice bibliographique
Résumé
Driver gene mutations that are more prevalent in metastatic, castration-resistant prostate cancer (mCRPC) than localized disease represent candidate prognostic biomarkers. We analyze 1,844 localized (1,289) or mCRPC (555) tumors and quantify the prevalence of 113 somatic driver single nucleotide variants (SNVs), copy number aberrations (CNAs), and structural variants (SVs) in each state. One-third are significantly more prevalent in mCRPC than expected while a quarter are less prevalent. Mutations in AR and its enhancer are more prevalent in mCRPC, as are those in TP53, MYC, ZNRF3 and PRKDC. ZNRF3 loss is associated with decreased ZNRF3 mRNA abundance, WNT, cell cycle & PRC1/2 activity, and genomic instability. ZNRF3 loss, RNA downregulation and hypermethylation are prognostic of metastasis and overall survival, independent of clinical and pathologic indices. These data demonstrate a strategy for identifying biomarkers of localized cancer aggression, with ZNRF3 loss as a predictor of metastasis in prostate 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».