DNA methylation profile in CpG-depleted regions uncovers a high-risk subtype of early-stage colorectal cancer
Notice bibliographique
Résumé
BACKGROUND: The current risk stratification system defined by clinicopathological features does not identify the risk of recurrence in early-stage (stage I-II) colorectal cancer (CRC) with sufficient accuracy. We aimed to investigate whether DNA methylation could serve as a novel biomarker for predicting prognosis in early-stage CRC patients. METHODS: We analyzed the genome-wide methylation status of CpG loci using Infinium MethylationEPIC array run on primary tumor tissues and normal mucosa of early-stage CRC patients to identify potential methylation markers for prognosis. The machine-learning approach was applied to construct a DNA methylation-based prognostic classifier for early-stage CRC (MePEC) using the 4 gene methylation markers FAT3, KAZN, TLE4, and DUSP3. The prognostic value of the classifier was evaluated in 2 independent cohorts (n = 438 and 359, respectively). RESULTS: The comprehensive analysis identified an epigenetic subtype with high risk of recurrence based on a group of CpG loci in the CpG-depleted region. In multivariable analysis, the MePEC classifier was independently and statistically significantly associated with time to recurrence in validation cohort 1 (hazard ratio = 2.35, 95% confidence interval = 1.47 to 3.76, P < .001) and cohort 2 (hazard ratio = 3.20, 95% confidence interval = 1.92 to 5.33, P < .001). All results were further confirmed after each cohort was stratified by clinicopathological variables and molecular subtypes. CONCLUSIONS: We demonstrated the prognostic statistical significance of a DNA methylation profile in the CpG-depleted region, which may serve as a valuable source for tumor biomarkers. MePEC could identify an epigenetic subtype with high risk of recurrence and improve the prognostic accuracy of current clinical variables in early-stage CRC.
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) | 0,000 | 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) | 0,001 | 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 ».