Abstract A2-49: Integrated Omic analysis of lung cancer reveals metabolism proteome signatures with prognostic impact
Notice bibliographique
Résumé
Abstract Cancer results from processes prone to selective pressure and dysregulation acting along the sequence-to-phenotype continuum DNA→RNA→Protein→Disease. An Omics Array integrating DNA gene copy number, mRNA transcriptome, and quantified proteome was assembled into a genetic map representing non-small cell lung carcinoma (NSCLC). Data were collected from patient-matched normal lung, primary tumors, and patient tumor-derived xenograft (PDX) tumors. Dysregulated proteins not previously implicated as cancer drivers were found encoded throughout the genome including but not limited to regions of recurrent DNA amplification/deletion in NSCLC. Unsupervised clustering revealed signatures comprising metabolism proteins particularly highly recapitulated between matched primary and PDX tumors, and which distinguished between the major NSCLC histological subtypes adenocarcinoma (ADC) and squamous cell carcinoma (SCC). Interrogation of The Cancer Genome Atlas (TCGA) revealed sizeable cohorts of NSCLC patients with DNA alterations in genes encoding the metabolism proteome signatures, and accompanied by differences in survival. Similar to the proteome signatures from which they were extrapolated, the gene mutation signatures with prognostic impact discriminated between the lung ADC and SCC subtypes. Serine hydroxymethyltransferase 2 (SHMT2), a key enzyme in serine/glycine and folate-dependent one-carbon metabolism, is upregulated in the proteomes of NSCLC primary and PDX tumours, and is implicated as a driver of recurrent chromosome 12q14.1 amplification in NSCLC. SHMT2, along with other enzymes implicated as anti-folate targets, is also part of a metabolism signature associated with poor outcome in lung ADC. The interrogation of cancer genomes and proteomes for alterations that are related products of selective pressures driving the cancer phenotype may be a general approach to uncover and group together cryptic, polygenic cancer drivers, which might represent new anti-cancer therapeutic targets. Note: This abstract was not presented at the conference. Citation Format: Michael F. Moran, Thomas Kislinger, Lei Li, Vladimir Ignatchenko, Yuhong Wei, Christine To, Paul Taylor, Jiefei Tong, Nhu An Pham, Melania Pintilie, Lakshmi Muthuswamy, Frances A. Shepherd, Ming Sound Tsao. Integrated Omic analysis of lung cancer reveals metabolism proteome signatures with prognostic impact. [abstract]. In: Proceedings of the AACR Special Conference on Translation of the Cancer Genome; Feb 7-9, 2015; San Francisco, CA. Philadelphia (PA): AACR; Cancer Res 2015;75(22 Suppl 1):Abstract nr A2-49.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».