Bioinformatics analysis reveals the competing endogenous RNA (ceRNA) coexpression network in the tumor microenvironment and prognostic biomarkers in soft tissue sarcomas
Notice bibliographique
Résumé
Soft tissue sarcomas (STSs) are rare, heterogeneous mesenchymal neoplasias. Understanding the tumor microenvironment (TME) and identifying potential biomarkers for prognosis associated with the TME of STS might provide effective clues for immune therapy. We evaluated the immune scores and stromal scores of STS patients by using the RNA sequencing dataset from The Cancer Genome Atlas (TCGA) database and the ESTIMATE algorithm. Then, the differentially expressed mRNAs (DEGs), miRNAs (DEMs) and lncRNAs (DELs) were identified after comparing the high- and low-score groups. Next, we established a competing endogenous RNA (ceRNA) network and explored the prognostic values of biomarkers involved in the network with the help of bioinformatics analysis. High immune score was significantly associated with favorable overall survival in STS patients. A total of 328 DEGs, 18 DEMs and 67 DELs commonly regulated in the immune and stromal score groups were obtained. A ceRNA network and protein–protein interaction (PPI) network identified some hub nodes with considerable importance in the network. Kaplan–Meier survival analysis demonstrated that nine mRNAs, two miRNAs and three lncRNAs were closely associated with overall survival of STS patients. Gene set enrichment analysis (GSEA) suggested that these three lncRNAs were mainly involved in immune response-associated pathways in STS patients. Finally, the expression levels of five mRNAs (APOL1, EFEMP1, LYZ, RARRES1 and TNFAIP2) were verified, which were consistent with the results of the TCGA cohort. The results of our study confirmed the prognostic value of immune scores for STS patients. We also identified several TME-related biomarkers that might contribute to prognostic prediction and immune therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».