MétaCan
Menu
Retour à la cohorte
Enregistrement W36304284 · doi:10.3389/fbinf.2022.836981

Is 2-D turbulence relevant in the atmosphere?

2010· article· en· W36304284 sur OpenAlexaff
S. Lovejoy, Daniel Schertzer

Notice bibliographique

RevueEGU General Assembly Conference Abstracts · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAtmosphere (unit)TurbulenceMeteorologyAtmospheric sciencesEnvironmental scienceGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

<b>Background:</b> Hepatocellular carcinoma (HCC) is a common malignant cancer. Metastasis plays a critical role in tumor progression, and vascular invasion is considered one of the most crucial factors for HCC metastasis. However, comprehensive analysis focusing on competitive endogenous RNA (ceRNA) and immune infiltration in the vascular invasion of HCC is lacking. <b>Methods:</b> The gene expression profiles of 321 samples, including 210 primary HCC cases and 111 HCC cases with vascular invasion, were downloaded from The Cancer Genome Atlas-Liver Hepatocellular Carcinoma project, and used in identifying significant differentially expressed lncRNAs (DElncRNAs), miRNAs (DEmiRNAs), and mRNAs (DEmRNAs). The RNAs associated with vascular invasion were used in constructing a ceRNA network. A multigene-based risk signature was constructed using the least absolute shrinkage and selection operator algorithm. We detected the fractions of 28 immune cell types in HCC through single-sample gene set enrichment analysis (ssGSEA). Finally, the relationship between the ceRNA network and immune cells was determined through correlation analysis and used in clarifying the potential mechanism involved in vascular invasion. <b>Results:</b> Overall, 413 DElncRNAs, 27 DEmiRNAs, and 397 DEmRNAs were recognized in HCC. A specific ceRNA network based on the interaction among 3 lncRNA-miRNA pairs and 24 miRNA-mRNA pairs were established. A ceRNA-based prognostic signature was constructed and used in dividing samples into high- and low-risk subgroups. The signature showed significant efficacy; its 3- and 5-year areas under the receiver operating characteristic curves were 0.712 and 0.653, respectively. ceRNA and ssGSEA integration analysis demonstrated that PART1 (<i>p</i> = 0, R = -0.33) and CDK5R2 (<i>p</i> = 0.01, R = -0.15) were negatively correlated to natural killer cells. <b>Conclusion:</b> This study demonstrated that vascular invasion in HCC might be related to PART1, and its role in regulating CDK5R2 and NK cells. A nomogram was developed to predict the prognosis of patients with HCC and demonstrated the value of the ceRNA network and tumor-infiltrating immune cells value in improving personalized management.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,817

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEGU General Assembly Conference AbstractsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207