Explore Novel Biomarkers and Associated Key Pathways to Perform as Potential Prognostic Biomarkers and Therapeutic Targets in Oral Cancer
Notice bibliographique
Résumé
Background: Oral cancer (OC) is serious health concerning issue that has a high fatality rate. The oral cavity has seven kinds of OC, including the lip, tongue, and floor of the mouth, as well as the buccal, hard palate, alveolar, retromolar trigone, and soft palate. The goal of this study is to look into new biomarkers and important pathways that might be used as diagnostic biomarkers and therapeutic candidates in OC. Methods: Publicly available repository the Gene Expression Omnibus (GEO) was responsible to collect OC-related datasets. GSE74530, GSE23558, and GSE3524 microarray datasets were collected to apply analysis. Minimum cut-off criteria of |log fold-change (FC)| > 1 and adjusted p < 0.05 were applied to figure out the up-regulated and down-regulated differential expression genes (DEGs) from the three datasets. After that only common DEGs in all three datasets were collected to apply further analysis. Gene ontology (GO) and Pathway analysis were implemented to explore the functional behaviors of DEGs. Then protein-protein interaction (PPI) networks were built to identify the most performed genes, clustering algorithm was also implemented to identify complex parts of PPI. TF-miRNA networks were also constructed to study deeply about OC-associated DEGs. Finally, top gene performers from PPI networks were used to apply drug signature analysis. Results: After applying filtration and cut-off criteria 2508, 3377, and 670 DEGs were found for GSE74530, GSE23558, and GSE3524 respectively, and 166 common DEGs were found in every dataset. The GO annotation remarks that most of the DEGs were associated with the terms of type I interferon signaling pathway. The pathways of KEGG reported that the common DEGs are related to the Cell cycle and Influenza A. The PPI network holds 88 nodes and 492 edges and CDC6 had the highest number of connections. 4 clusters were identified from the PPI. Drug signatures doxorubicin and resveratrol showed high significance according to the hub genes. We anticipate that our bioinformatics research will aid in the definition of the pathophysiology and the development of new therapies for OC.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».