Identification of Survival-Related Genes in Acute Myeloid Leukemia (AML) Based on Cytogenetically Normal AML Samples Using Weighted Gene Coexpression Network Analysis
Notice bibliographique
Résumé
The prognosis of acute myeloid leukemia (AML) remains a challenge. In this study, we applied the weighted gene coexpression network analysis (WGCNA) to find survival-specific genes in AML based on 42 adult CN-AML samples from The Cancer Genome Atlas (TCGA) database. Eighteen hub genes (ABCA13, ANXA3, ARG1, BTNL8, C11orf42, CEACAM1, CEACAM3, CHI3L1, CRISP2, CYP4F3, GPR84, HP, LTF, MMP8, OLR1, PADI2, RGL4, and RILPL1) were found to be related to AML patient survival time. We then compared the hub gene expression levels between AML peripheral blood (PB) samples ( n = 162 ) and control healthy whole blood samples ( n = 337 ). Seventeen of the hub genes showed lower expression levels in AML PB samples. The gene expression analysis was also done among AML BM (bone marrow) samples of different stages: diagnosis ( n = 142 ), posttreatment ( n = 42 ), and recurrent ( n = 12 ) stages. The results showed a significant increase of ANXA3, CEACM1, RGL4, RILPL1, and HP in posttreatment samples compared to diagnosis and/or recurrent samples. Transcription factor (TF) prediction of the hub genes suggested LTF as the top hit, overlapping 10 hub genes, while LTF itself is just one of the hub genes. Also, 3671 correlation links were shown between 128 mRNAs and 209 lncRNAs found in survival time-related modules. Generally, we identified candidate mRNA biomarkers based on CN-AML data which can be extensively used in AML prognosis. In addition, we mapped their potential regulatory mechanisms with correlated lncRNAs, providing new insights into potential targets for therapies in AML.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».