MétaCan
Menu
Retour à la cohorte
Enregistrement W4393231229 · doi:10.3389/fneur.2024.1345520

Strength of spatial correlation between gray matter connectivity and patterns of proto-oncogene and neural network construction gene expression is associated with diffuse glioma survival

2024· article· en· W4393231229 sur OpenAlexaff
Shelli R. Kesler, Rebecca A. Harrison, Alexa De La Torre Schutz, Hayley Michener, Paris Bean, Veronica Vallone, Sarah Prinsloo

Notice bibliographique

RevueFrontiers in Neurology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésGliomaProportional hazards modelGeneSurvival analysisBiologyTranscriptomeNeuroimagingNeuroscienceBrain atlasGene expressionComputational biologyBioinformaticsOncologyMedicineInternal medicineCancer researchGenetics

Résumé

récupéré en direct d'OpenAlex

Introduction Like other forms of neuropathology, gliomas appear to spread along neural pathways. Accordingly, our group and others have previously shown that brain network connectivity is highly predictive of glioma survival. In this study, we aimed to examine the molecular mechanisms of this relationship via imaging transcriptomics. Methods We retrospectively obtained presurgical, T1-weighted MRI datasets from 669 adult patients, newly diagnosed with diffuse glioma. We measured brain connectivity using gray matter networks and coregistered these data with a transcriptomic brain atlas to determine the spatial co-localization between brain connectivity and expression patterns for 14 proto-oncogenes and 3 neural network construction genes. Results We found that all 17 genes were significantly co-localized with brain connectivity (p < 0.03, corrected). The strength of co-localization was highly predictive of overall survival in a cross-validated Cox Proportional Hazards model (mean area under the curve, AUC = 0.68 +/− 0.01) and significantly (p < 0.001) more so for a random forest survival model (mean AUC = 0.97 +/− 0.06). Bayesian network analysis demonstrated direct and indirect causal relationships among gene-brain co-localizations and survival. Gene ontology analysis showed that metabolic processes were overexpressed when spatial co-localization between brain connectivity and gene transcription was highest (p < 0.001). Drug-gene interaction analysis identified 84 potential candidate therapies based on our findings. Discussion Our findings provide novel insights regarding how gene-brain connectivity interactions may affect glioma survival.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207