Expression Analysis of Five Different Long Non-Coding Ribonucleic Acids in Nonsmall-Cell Lung Carcinoma Tumor and Tumor-Derived Exosomes
Notice bibliographique
Résumé
Long non-coding ribonucleic acids (LncRNAs) are recently known for their role in regulating gene expression and the development of cancer. Controversial results indicate a correlation between the tissue expression of LncRNA and LncRNA content of extracellular vesicles. The present study aimed to evaluate the expression of different LncRNAs in non-small cell lung cancer (NSCLC) patients in tumor tissue, adjacent non-cancerous tissue (ANCT), and exosome-mediated lncRNA. Tumor and ANCT, as well as serum samples of 168 patient with NSCLC, were collected. The GHSROS, HNF1A-AS1, HOTAIR, HMlincRNA717, and LINCRNA-p21 relative expressions in tumor tissue, ANCT, and serum exosomes were evaluated in NSCLC patients. Among 168 NSCLC samples, the expressions of GHSROS (REx = 3.64, p = 0.028), HNF1A-AS1 (REx = 2.97, p = 0.041), and HOTAIR (REx = 2.9, p = 0.0389) were upregulated, and the expressions of HMlincRNA717 (REx = −4.56, p = 0.0012) and LINCRNA-p21 (REx = −5.14, p = 0.00334) were downregulated in tumor tissue in contrast to ANCT. Moreover, similar statistical differences were seen in the exosome-derived RNA of tumor tissues in contrast to ANCT samples. A panel of the five lncRNAs demonstrated that the area under the curve (AUC) for exosome and tumor was 0.937 (standard error: 0.012, p value < 0.0001). LncRNAs GHSROS, HNF1A-AS1, and HOTAIR showed high expression in tumor tissue and exosome content in NSCLC, and a panel that consisted of all five lncRNAs improved diagnosis of NSCLC.
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) | 0,000 | 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 | 0,001 |
| 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 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 ».