Identification of differential DNA methylation alterations of ovarian cancer in peripheral whole blood based on within-sample relative methylation orderings
Notice bibliographique
Résumé
Leukocyte cell proportion changes affect the detection of cancer-associated aberrant DNA methylation alterations in peripheral blood samples. We aimed to detect cellular DNA methylation changes in ovarian cancer (OVC) blood samples avoiding the above-mentioned cell-composition effects. Based on the within-sample relative methylation orderings (RMOs) of CpG loci in leukocyte subtypes, we developed the Ref-RMO method to detect aberrant methylation alterations from OVC blood samples. Stable CpG pairs with consistent RMOs in different leukocyte subtypes were determined, more than 99% of which retained their RMO patterns in peripheral whole blood (PWB) in independent datasets. Based on the stable CpG pairs, significantly reversed CpG pairs were detected from OVC PWB samples, which were relative to clinical information such as age, subtype, grade, stage, or CA125 level. Results showed 439 CpG loci were determined to be significant differential DNA methylations between OVC and healthy blood samples. They were mainly enriched in KEGG pathways, such as cytokine-cytokine receptor interaction, apoptosis, proteoglycans in cancer, and immune-associated Gene Ontology terms. STRING analysis showed that they tended to have functional interactions with cancer-associated genes recorded in the COSMIC database. Leukocyte cellular differential DNA methylations could be identified by the proposed RMO-based method from OVC PWB samples, which were cancer-associated aberrant signals against cell-composition effects.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,004 | 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 ».