microRNA sequencing for biomarker detection in the diagnosis, classification and prognosis of Diffuse Large B Cell Lymphoma
Notice bibliographique
Résumé
Despite being considered a single disease, Diffuse Large B Cell Lymphoma (DLBCL) presents with variable backgrounds, which results in heterogeneous outcomes among patients, with 40% of them still having primary refractory disease or relapse. Thus, novel biomarkers are needed. In addition, multiple factors regarding its pathogenesis remain unclear. In this context, recent investigations point to the relevance of microRNAs (miRNAs) in cancer. However, regarding DLBCL, there is inconsistency in the data reported. Therefore, in this work, the main goals were to determine a miRNA set with utility as biomarkers for DLBCL diagnosis, classification, prognosis and treatment response, as well as to decipher the mechanism of action of deregulated miRNAs in the origin of the disease. We analyzed miRNA expression in a cohort of 78 DLBCL patients and 17 controls using small RNA sequencing and performed a miRNA-mRNA interaction network analysis. This way, we were able to define new miRNA expression signatures for diagnosis, classification, treatment response and prognosis, and we identified plausible mechanisms of action by which deregulated miRNAs could be involved in DLBCL pathogenesis. In summary, our study remarks that miRNAs could play an important role in DLBCL.
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) | 0,000 | 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) | 0,001 | 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 ».