MétaCan
Menu
Retour à la cohorte
Enregistrement W4220831558 · doi:10.3390/cancers14071663

In Silico Bioinformatics Followed by Molecular Validation Using Archival FFPE Tissue Biopsies Identifies a Panel of Transcripts Associated with Severe Asthma and Lung Cancer

2022· article· en· W4220831558 sur OpenAlexaff
Laila Salameh, Poorna Manasa Bhamidimarri, Narjes Saheb Sharif‐Askari, Youssef Dairi, Sarah Hammoudeh, Amena Mahdami, M. Al-Sharhan, Syed Hammad Tirmazy, Surendra Singh Rawat, Hauke Busch, Qutayba Hamid, Saba Al Heialy, Rifat Hamoudi, Bassam Mahboub

Notice bibliographique

RevueCancers · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensMcGill University
Organismes subventionnairesAl Jalila Foundation
Mots-clésLung cancerMedicineCancerPeriostinTranscriptomeCancer researchPathologyBiologyInternal medicineGene expressionExtracellular matrixGene

Résumé

récupéré en direct d'OpenAlex

Severe asthma and lung cancer are both heterogeneous pathological diseases affecting the lung tissue. Whilst there are a few studies that suggest an association between asthma and lung cancer, to the best of our knowledge, this is the first study to identify common genes involved in both severe asthma and lung cancer. Publicly available transcriptomic data for 23 epithelial brushings from severe asthmatics and 55 samples of formalin-fixed paraffin-embedded (FFPE) lung cancer tissue at relatively early stages were analyzed by absolute gene set enrichment analysis (GSEA) in comparison to 37 healthy bronchial tissue samples. The key pathways enriched in asthmatic patients included adhesion, extracellular matrix, and epithelial cell proliferation, which contribute to tissue remodeling. In the lung cancer dataset, the main pathways identified were receptor tyrosine kinase signaling, wound healing, and growth factor response, representing the early cancer pathways. Analysis of the enriched genes derived from the pathway analysis identified seven genes expressed in both the asthma and lung cancer sets: BCL3, POSTN, PPARD, STAT1, MYC, CD44, and FOSB. The differential expression of these genes was validated in vitro in the cell lines retrieved from different lung cancer and severe asthma patients using real-time PCR. The effect of the expression of the seven genes identified in the study on the overall survival of lung cancer patients (n = 1925) was assessed using a Kaplan–Meier plot. In vivo validation performed in the archival biopsies obtained from patients diagnosed with both the disease conditions provided interesting insights into the pathogenesis of severe asthma and lung cancer, as indicated by the differential expression pattern of the seven transcripts in the mixed group as compared to the asthmatics and lung cancer samples alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,304
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetLung Cancer Treatments and MutationsTravaux en français237 207