FOXP4-AS1 May be a Potential Prognostic Biomarker in Human Cancers: A Meta−Analysis and Bioinformatics Analysis
Notice bibliographique
Résumé
Background Cancer is one of the leading causes of death worldwide. Early diagnosis can significantly lower cancer-related mortality. Studies have shown that the lncRNA Forkhead box P4 antisense RNA 1 (FOXP4-AS1) is aberrantly expressed in various solid tumors. A meta-analysis was performed to evaluate the correlation of FOXP4-AS1 with the prognosis of cancer patients and determine the clinical value of FOXP4-AS1 as a potential diagnostic marker. Methods Correlational studies from the Web of Science, Embase, OVID, Cochrane and PubMed databases were screened (up to April 1, 2021). Meta-analysis was performed using Stata SE12.0 software. Results Eleven original studies with 1,332 patients who were diagnosed with a solid cancer (nasopharyngeal carcinoma, hepatocellular carcinoma, colorectal cancer, gastric cancer, osteosarcoma, mantle cell lymphoma, prostate cancer, and pancreatic ductal adenocarcinoma) were included in the meta-analysis. High expression of FOXP4-AS1 was correlated with poor overall survival (OS) (HR = 1.77, 95% CI 1.29–2.44, P < 0.001) and shorter disease−free survival (DFS) (HR = 1.66, 95% CI 1.01–2.72, P = 0.044). Subgroup analysis based on sample size, follow-up time and Newcastle-Ottawa Scale (NOS) score revealed significant differences between FOXP4-AS1 levels and OS (P < 0.05). However, the expression level of FOXP4-AS1 was not significantly correlated with the OS of gastric cancer patients (P = 0.381). High expression of FOXP4-AS1 was predictive of a larger tumor size (OR = 3.82, 95% CI 2.3–6.3, P < 0.001). Conclusions Overexpression of FOXP4-AS1 correlates with poor prognosis of cancer patients, and is a potential prognostic biomarker and therapeutic target. Systematic Review Registration PROSPERO, identifier CRD42021245267.
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 | 0,021 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,052 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».