KAZN as a diagnostic marker in ovarian cancer: a comprehensive analysis based on microarray, mRNA-sequencing, and methylation data
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer (OC) is among the deadliest malignancies in women and the lack of appropriate markers for early diagnosis leads to poor prognosis in most cases. Previous studies have shown that KAZN is involved in multiple biological processes during development, such as cell proliferation, differentiation, and apoptosis, so defects or aberrant expression of KAZN might cause queer cell behaviors such as malignancy. Here we evaluated the KAZN expression and methylation levels for possible use as an early diagnosis marker for OC. METHODS: We used data from Gene Expression Omnibus (GEO) microarrays, The Cancer Genome Atlas (TCGA), and Clinical Proteomic Tumor Analysis Consortium (CPTAC) to investigate the correlations between KAZN expression and clinical characteristics of OC by comparing methylation levels of normal and OC samples. The relationships among differentially methylated sites in the KAZN gene, corresponding KAZN mRNA expression levels and prognosis were analyzed. RESULTS: KAZN was up-regulated in ovarian epithelial tumors and the expression of KAZN was correlated with the patients' survival time. KAZN CpG site cg17657618 was positively correlated with the expression of mRNA and the methylation levels were significantly differential between the group of stage "I and II" and the group of stage "III and IV". This study also presents a new method to classify tumor and normal tissue in OC using DNA methylation pattern in the KAZN gene body region. CONCLUSIONS: KAZN was involved in ovarian cancer pathogenesis. Our results demonstrate a new direction for ovarian cancer research and provide a potential diagnostic biomarker as well as a novel therapeutic target for clinical application.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».