CircRNA-Based Cervical Cancer Prognosis Model, Immunological Validation and Drug Prediction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cervical cancer (CC) is a common cancer in female, which is associated with problems like poor prognosis. Circular RNA (circRNA) is a kind of competing endogenous RNA (ceRNA) that has an important role in regulating microRNA (miRNA) in many cancers. The regulatory mechanisms of CC immune microenvironment and the transcriptome level remain to be fully explored. METHODS: In this study, we constructed the ceRNA network through the interaction data and expression matrix of circRNA, miRNA and mRNA. Meanwhile, based on the gene expression matrix, CIBERSORT algorithm was used to reveal contents of tumor-infiltrating immune cells (TIICs). Then, we screened prognostic markers based on ceRNA network and immune infiltration and constructed two nomograms. In order to find immunological differences between the high- and low-risk CC samples, we examined multiple immune checkpoints and predicted the effect of PD-L1 ICI immunotherapy. In addition, the sensitive therapeutics for high-risk patients were screened, and the potential agents with anti-CC activity were predicted by Connective Map (CMap). RESULTS: gene. The results of TIDE and single sample GSEA (ssGSEA) showed that T cells CD8 do play a key role in inhibiting tumor progression. Further, our study screened 24 drugs that were more sensitive to high-risk CC patients and several potential therapeutic agents for reference. CONCLUSIONS: Our study identified several circRNA-miRNA-mRNA regulatory axes and six prognostic genes based on the ceRNA network. In addition, through TIIC, survival analysis and a series of immunological analyses, T cells were proved to be good prognostic markers, besides play an important role in the immune process. Finally, we screened 24 potentially more effective drugs and multiple potential drug compounds for high- and low-risk patients.
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.
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 découle