Pan-cancer landscape of aberrant DNA Methylation across childhood Cancers: Molecular Characteristics and Clinical relevance
Notice bibliographique
Résumé
Aberrant DNA methylation (DNAm) is an important epigenetic regulator in various cancers. Pan-cancer DNAm analyses have investigated the potential common mechanisms of DNAm in tumorigenesis. However, these pan-cancer studies focused on adult cancers rather than pediatric cancers, which may have distinct pathology and treatment responses. Here, we performed a pan-cancer analysis of genome-wide DNAm in over 2,000 samples from nine pediatric cancers to elucidate the DNAm landscape of pediatric cancers. We identified 217,586 differentially methylated CpG sites (DMCs) in pediatric cancers, with a tendency toward hypermethylation as opposed to hypomethylation (P = 0.02). Amongst them, 75.65% also presented DNAm alterations in adult cancers. In nine pediatric cancers, we defined 54 shared DMCs (SDMCs), which were also observed in at least one adult cancer type. Furthermore, methylation patterns in SDMCs influenced the transcription of several genes (MEIS1, MIA3, PCDHAC2, SH3BP4, and ATP8B1) involved in well-known cancer-related pathways and cancer hallmarks (FDR < 0.05). Moreover, SDMCs were significantly associated with patient survival, and this association was independent of sex, age, and tumor stage (P < 0.05). Interestingly, SDMCs could affect patient survival not only in the nine pediatric cancers that were used to identify SDMCs but also in other untested pediatric cancers (P < 0.05). Collectively, our data depicts a comprehensive landscape of aberrant DNA methylation in pediatric cancers, which is partly similar to that of adult cancers. We also suggest a potential clinical application of SDMCs as biomarkers for the prognosis of pediatric 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 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) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».