Identification of IRAK1BP1 as a candidate prognostic factor in lung adenocarcinoma
Notice bibliographique
Résumé
Introduction: Lung cancer is one of the major causes of cancer-related mortality worldwide. High-throughput RNA sequencing (RNA-seq) of surgically removed tumors has been used to identify new biomarkers of lung cancer; however, contamination by non-tumor cells in the tumor microenvironment significantly interferes with the search for novel biomarkers. Tumor organoids, as a pre-clinical cancer model, exhibit similar molecular characteristics with tumor samples while minimizing the interference from other cells. Methods and Results: Here we analyzed six RNA-seq datasets collected from different organoid models, in which cells with oncogenic mutations were reprogrammed to mimic lung adenocarcinoma (LUAD) tumorigenesis. We uncovered 9 LUAD-specific biomarker genes by integrating transcriptomic data from multiple sources, and identified IRAK1BP1 as a novel predictor of LUAD disease outcome. Validation with RNA-seq and microarray data collected from multiple patient cohorts, as well as patient-derived xenograft (PDX) and lung cancer cell line models confirmed that IRAK1BP1 expression was significantly lower in tumor cells, and had no correlation with known markers oflung cancer prognosis. In addition, loss of IRAK1BP1 correlated with the group of LUAD patients with worse survival; and gene-set enrichment analysis using tumor and cell line data implicated that high IRAK1BP1 expression was associated with suppression of oncogenic pathways. Discussion: In conclusion, we demonstrate that IRAK1BP1 is a promising biomarker of LUAD prognosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».