Detection of circular RNAs and their potential as biomarkers predictive of drug response
Notice bibliographique
Résumé
ABSTRACT The introduction of high-throughput sequencing technologies has allowed for comprehensive RNA species detection, both coding and non-coding, which opened new avenues for the discovery of predictive and prognostic biomarkers. However the consistency of the detection of different RNA species depends on the RNA selection protocol used for RNA-sequencing. While preliminary reports indicated that non-coding RNAs, in particular circular RNAs, constitute a rich source of biomarkers predictive of drug response, the reproducibility of this novel class of biomarkers has not been rigorously investigated. To address this issue, we assessed the inter- lab consistency of circular RNA expression in cell lines profiled in large pharmacogenomic datasets. We found that circular RNA expression quantified from rRNA-depleted RNA-seq data is stable and yields robust prognostic markers in cancer. On the other hand, quantification of the expression of circular RNA from poly(A)-selected RNA-seq data yields highly inconsistent results, calling into question results from previous studies reporting their potential as predictive biomarkers in cancer. We have also identified median expression of transcripts and transcript length as potential factors influencing the consistency of RNA detection. Our study provides a framework to quantitatively assess the stability of coding and non-coding RNA expression through the analysis of biological replicates within and across independent studies.
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 | 0,001 | 0,001 |
| 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 ».