Identification of Immune-Related Key Genes in Ovarian Cancer Based on WGCNA
Notice bibliographique
Résumé
Background: Ovarian cancer (OV) is a fatal gynecologic malignancy and has poor survival rate in women over the age of forty. In our study, we aimed to identify genes related to immune microenvironment regulations and explore genes associated with OV prognosis. Methods: The RNA-seq data of GDC TCGA Ovarian Cancer cohort of 376 patients was retrieved from website. Weighted gene co-expression network analysis (WGCNA) and ESTIMATE algorithm were applied to identify the key genes associated with the immune scores. The correlation between key genes and 22 immune cell types were estimated by using CIBERSORT algorithms. Results: WGCNA showed that the pink module was most correlated with the immune score. Seven of 14 key genes (FCRL3, IFNG, KCNA3, LY9, PLA2G2D, THEMIS, and TRAT1) were significantly associated with the OS of OV patients. Correlation analysis showed our key genes positively related to M1 macrophages, CD8 T cells, plasma cells, regulatory T (Treg) cells and activated memory CD4 T cells, and negatively related to naive CD4 T cells, M0 macrophages, activated dendritic cells (DCs) and memory B cells. Kaplan-Meier survival analysis showed that lower abundances of neutrophils and higher abundances of M1 macrophages, plasma cells, T cells gamma delta (γδT) cells and follicular helper T (Tfh) cells predicted better OV prognosis. Conclusion: Forteen key genes related to the immune infiltrating of OV were identified, and seven of them were significantly related to prognosis. These key genes have potential roles in tumor infiltrating immune cells differentiation and proliferation. This study provided potential prognostic markers and immunotherapy targets for OV.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».