Uses of Vascular Endothelial Growth Factor C as a Lung Adenocarcinoma Prognostic Biomarker
Notice bibliographique
Résumé
Background: Lung adenocarcinoma (LUAD) is the most common type of lung cancer and a leading cause of death worldwide. Vascular endothelial growth factor C (VEGF-C) has been identified as a prognosis prediction marker for LUAD. However, VEGF-C protein expression does not appear to significantly relate to LUAD patient survival in several studies. Methods: We carried out a bioinformatic analysis to review the effect of VEGF-C mRNA expression on LUAD patient outcomes. GEPIA, UALCAN, TCGAportal, OncoLnc, LCE, GeneMANIA, Metascape, ImmuCellAI, and GSCA online databases were utilized. The expression levels of VEGF-C mRNA between normal tissue and LUAD tissue, overall survival (OS) analysis, function analysis, tumor microenvironment and drug sensitivity were conducted in the current study. Results: We found that the expression level of VEGF-C mRNA was significantly lower in LUAD than normal tissue. Low expression of VEGF-C mRNA was also associated with better OS. VEGF-C expression was correlated with both NF1 and TP53 mutation status. No relationship was observed between VEGF-C and Tr1 or CD4 T-cell infiltrate scores. Additionally, VEGF-C was associated with epidermal growth factor receptor (EGFR) tyrosine kinase inhibitor resistance. The sensitivity of 5-fluorouracil was positively correlated with VEGF-C, and the sensitivity of TGX221 was negatively correlated with VEGF-C. The activity of BI-2536 and BRD-A94377914 was positively correlated with VEGF-C. Conclusion: Novel LUAD prognostic biomarkers such as VEGF-C mRNA may aid diagnosis and treatment, and may help identify optimal LUAD populations for therapeutic treatments.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 ».