MétaCan
Menu
Retour à la cohorte
Enregistrement W4389397708 · doi:10.1002/cncr.35130

Identification of genetically predicted DNA methylation markers associated with non–small cell lung cancer risk among 34,964 cases and 448,579 controls

2023· review· en· W4389397708 sur OpenAlexaff
Xiaoyu Zhao, Meiqi Yang, Jingyi Fan, Mei Wang, Yifan Wang, Na Qin, Meng Zhu, Yue Jiang, Olga Y. Gorlova, Ivan P. Gorlov, Demetrius Albanes, Stephen Lam, Adonina Tardón, Chu Chen, Gary E. Goodman, Stig E. Bojesen, Maria Teresa Landi, Mattias Johansson, Angela Risch, H.‐Erich Wichmann, Heike Bickeböller, David C. Christiani, Gad Rennert, Susanne M. Arnold, Paul Brennan, John K. Field, Sanjay Shete, Loı̈c Le Marchand, Geoffrey Liu, Angeline S. Andrew, Lambertus A. Kiemeney, Shanbeh Zienolddiny, Kjell Grankvist, Mikael Johansson, Neil E. Caporaso, Penella J. Woll, Philip Lazarus, Matthew B. Schabath, Melinda C. Aldrich, Alpa V. Patel, Michael P.A. Davies, Hongxia Ma, Guangfu Jin, Zhibin Hu, Christopher I. Amos, Hongbing Shen, Juncheng Dai

Notice bibliographique

RevueCancer · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensLunenfeld-Tanenbaum Research InstituteSinai Health SystemPrincess Margaret Cancer CentreBC Cancer Agency
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthChinese Academy of Medical SciencesWorld Health OrganizationGovernment of Jiangsu ProvinceNational Natural Science Foundation of ChinaVanderbilt University Medical CenterVanderbilt University
Mots-clésDNA methylationMedicineLung cancerIdentification (biology)MethylationCancerDNAGeneticsOncologyCancer researchInternal medicineMolecular biologyBiologyGeneGene expressionBotany

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although the associations between genetic variations and lung cancer risk have been explored, the epigenetic consequences of DNA methylation in lung cancer development are largely unknown. Here, the genetically predicted DNA methylation markers associated with non-small cell lung cancer (NSCLC) risk by a two-stage case-control design were investigated. METHODS: The genetic prediction models for methylation levels based on genetic and methylation data of 1595 subjects from the Framingham Heart Study were established. The prediction models were applied to a fixed-effect meta-analysis of screening data sets with 27,120 NSCLC cases and 27,355 controls to identify the methylation markers, which were then replicated in independent data sets with 7844 lung cancer cases and 421,224 controls. Also performed was a multi-omics functional annotation for the identified CpGs by integrating genomics, epigenomics, and transcriptomics and investigation of the potential regulation pathways. RESULTS: ), including four novel CpGs. Multi-omics functional annotation showed nine of 16 CpGs were potentially functional biomarkers for NSCLC risk. Thirty-five genes within a 1-Mb window of 12 CpGs that might be involved in regulatory pathways of NSCLC risk were identified. CONCLUSIONS: Sixteen promising DNA methylation markers associated with NSCLC were identified. Changes of the methylation level at these CpGs might influence the development of NSCLC by regulating the expression of genes nearby. PLAIN LANGUAGE SUMMARY: The epigenetic consequences of DNA methylation in lung cancer development are still largely unknown. This study used summary data of large-scale genome-wide association studies to investigate the associations between genetically predicted levels of methylation biomarkers and non-small cell lung cancer risk at the first time. This study looked at how well larotrectinib worked in adult patients with sarcomas caused by TRK fusion proteins. These findings will provide a unique insight into the epigenetic susceptibility mechanisms of lung cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,304
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancerMême sujetEpigenetics and DNA MethylationTravaux en français237 207