FLG Gene Mutation Up-regulates the Abnormal Tumor Immune Response and Promotes the Progression of Prostate Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Prostate Cancer (PCa) ranks sixth with regard to the cause of cancerinduced male diseases worldwide, and inflammation is closely associated with its morbidity, deterioration, and prognosis. Tumor Mutation Burden (TMB) is identified to be the most common biomarker for the prediction of immunotherapy. But it is still unclear about the relationship of gene mutations in PCa with TMB and immune response. OBJECTIVES: To study the relationship between gene mutation and anti-tumor immune response in the prostate cancer tumor microenvironment. METHODS: In the present work, the PCa somatic mutation data were collected from the International Cancer Genome Consortium (ICGC) and The Cancer Genome Atlas (TCGA) datasets. RESULTS: As a result, 8 genes with high mutation frequency, including TP53, PTEN, TTN, FLG, CTNNB1, SPOP, MUC16, and KMT2C, were discovered to be covered by 4 cohorts from the United States, Canada, the United Kingdom, and China. Overall, the FLG mutation was related to a greater TMB, which predicted the dismal prognostic outcome. Besides, the CIBERSORT algorithm and Gene Set Enrichment Analysis (GSEA) were adopted for analysis, which revealed that FLG mutation remarkably promoted immune response in the context of PCa and accelerated cancer development. To sum up, FLG shows a high mutation frequency in PCa, and is related to the increase in TMB, up-regulation of abnormal immune responses in tumors, and promotion of tumor progression. CONCLUSION: Therefore, it may be used as a biomarker to predict the abnormal immune responses and provide a therapeutic target for immunotherapy in the treatment of PCa.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle