Identification of tumour immune infiltration-associated snoRNAs (TIIsno) for predicting prognosis and immune landscape in patients with colon cancer via a TIIsno score model
Notice bibliographique
Résumé
BACKGROUND: Colon cancer (CC) is the leading cause of tumour-related death worldwide. SnoRNA plays a critical role in the tumour microenvironment. The tumour microenvironment can be shaped by tumour-infiltrating immune cells, which control the destiny of immunotherapy efficacy. This study uniquely focused on snoRNAs derived from immune cells to identify new biomarkers for immune landscape. METHODS: A novel computational framework was initiated for identifying tumour immune infiltration-associated snoRNAs (TIIsno) signatures and developed a TIIsno score model from integrative snoRNA profiling analysis of 21 purified immune cell lines, 43 colon cancer cell lines, and three datasets (training, test, real-world validation set). FINDINGS: Our study found that a high TIIsno score was associated with poor CC prognosis. TIIsno scores were seen to be negatively correlated with (I) the infiltration level of most immune cells, (II) the inhibitory immune checkpoints expression level, and (III) the immune score. These findings, taken together with the observation that TIIsno score is lower in MSI-H patients, suggests that patients with a low TIIsno score may have a better response to immunotherapy. INTERPRETATION: In conclusion, we successfully identified TIIsno and constructed a TIIsno score model, a new potential biomarker of immunotherapy response, which can effectively predict the prognosis of CC patients as well. FUNDING: National Key R & D Program of China, National Natural Science Foundation of China, key projects from the Nature Science Foundation of Hunan Province, projects from Beijing CSCO Clinical Oncology Research Foundation, Fundamental Research Funds for the Central Universities of Central South University.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».