Comprehensive bioinformatics analysis reveals the hub genes and pathways associated with multiple myeloma
Notice bibliographique
Résumé
While the prognosis of multiple myeloma (MM) has significantly improved over the last decade because of new treatment options, it remains incurable. Aetiological explanations and biological targets based on genomics may provide additional help for rational disease intervention. Three microarray datasets associated with MM were downloaded from the Gene Expression Omnibus (GEO) database. GSE125364 and GSE39754 were used as the training set, and GSE13591 was used as the verification set. The differentially expressed genes (DEGs) were obtained from the training set, and Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway analyses were performed to annotate their functions. The hub genes were derived from the combined results of a protein–protein interaction (PPI) network and weighted gene coexpression network analysis (WGCNA). The receiver operating characteristic (ROC) curves of hub genes were plotted to evaluate their clinical diagnostic value. Biological processes and signaling pathways associated with hub genes were explained by gene set enrichment analysis (GSEA). A total of 1759 DEGs were identified. GO and KEGG pathway analyses suggested that the DEGs were related to the process of protein metabolism. RPN1, SEC61A1, SPCS1, SRPR, SRPRB, SSR1 and TRAM1 were proven to have clinical diagnostic value for MM. The GSEA results suggested that the hub genes were widely involved in the N-glycan biosynthesis pathway. The hub genes identified in this study can partially explain the potential molecular mechanisms of MM and serve as candidate biomarkers for disease diagnosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».