Senescence as a dictator of patient outcomes and therapeutic efficacies in human gastric 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
Senescence is believed to be a pivotal player in the onset and progression of tumors as well as cancer therapy. However, the guiding roles of senescence in clinical outcomes and therapy selection for patients with cancer remain obscure, largely due to the absence of a feasible senescence signature. Here, by integrative analysis of single cell and bulk transcriptome data from multiple datasets of gastric cancer patients, we uncovered senescence as a veiled tumor feature characterized by senescence gene signature enriched, unexpectedly, in the noncancerous cells, and further identified two distinct senescence-associated subtypes based on the unsupervised clustering. Patients with the senescence subtype had higher tumor mutation loads and better prognosis as compared with the aggressive subtype. By the machine learning, we constructed a scoring system termed as senescore based on six signature genes: ADH1B, IL1A, SERPINE1, SPARC, EZH2, and TNFAIP2. Higher senescore demonstrated robustly predictive capability for longer overall and recurrence-free survival in 2290 gastric cancer samples, which was independently validated by the multiplex staining analysis of gastric cancer samples on the tissue microarray. Remarkably, the senescore signature served as a reliable predictor of chemotherapeutic and immunotherapeutic efficacies, with high-senescore patients benefited from immunotherapy, while low-senescore patients were responsive to chemotherapy. Collectively, we report senescence as a heretofore unrecognized hallmark of gastric cancer that impacts patient outcomes and therapeutic efficacy.
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 | 0,000 | 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 | 0,000 |
| 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 découle