Identifying Hub Genes Associated with Neoadjuvant Chemotherapy Resistance in Breast Cancer and Potential Drug Repurposing for the Development of Precision Medicine
Notice bibliographique
Résumé
Breast cancer is the second leading cause of morbidity and mortality in women worldwide. Despite advancements in the clinical application of neoadjuvant chemotherapy (NAC), drug resistance remains a major concern hindering treatment efficacy. Thus, identifying the key genes involved in driving NAC resistance and targeting them with known potential FDA-approved drugs could be applied to advance the precision medicine strategy. With this aim, we performed an integrative bioinformatics study to identify the key genes associated with NAC resistance in breast cancer and then performed the drug repurposing to identify the potential drugs which could use in combination with NAC to overcome drug resistance. In this study, we used publicly available RNA-seq datasets from the samples of breast cancer patients sensitive and resistant to chemotherapy and identified a total of 1446 differentially expressed genes in NAC-resistant breast cancer patients. Next, we performed gene co-expression network analysis to identify significantly co-expressed gene modules, followed by MCC (Multiple Correlation Clustering) clustering algorithms and identified 33 key hub genes associated with NAC resistance. mRNA-miRNA network analysis highlighted the potential impact of these hub genes in altering the regulatory network in NAC-resistance breast cancer cells. Further, several hub genes were found to be significantly involved in the poor overall survival of breast cancer patients. Finally, we identified FDA-approved drugs which could be useful for potential drug repurposing against those hub genes. Altogether, our findings provide new insight into the molecular mechanisms of NAC resistance and pave the way for drug repurposing techniques and personalized treatment to overcome NAC resistance in breast cancer.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».