Avaliação expressão do miR 10a no câncer de bexiga através de análises de bioinformática
Notice bibliographique
Résumé
Introdução: O Câncer de Bexiga (CaB) é responsável por 330 mil novos casos por ano, sendo que 130 mil evoluíram para óbito. Os tipos mais comuns de CaB são: os carcinomas uroteliais e os carcinomas de células transicionais, representando cerca de 95%. Os microRNA´s, por sua vez, são pequenas moléculas endógenas reguladoras de expressão gênica. Esses, frente a tumores, são divididos em miR´s supressores tumorais (inibem a carcinogênese) ou oncomiR´s (estimula a carcinogênese). O miR-10a (localização cromossômica 17q21.32) pode se comportar como um miR supressor de tumor, ou seja, sua subexpressão pode contribuir para a carcinogênese. Analisar o potencial biomarcador do miR-10a frente ao CaB, seguindo uma análise casuística do TCGA (The Cancer Genome Atlas) no pipeline de bioinformática CancerMirNome, frisando ainda os aspectos da relação desse miR com a sobrevida do paciente e sua capacidade diagnóstica de detecção do tipo tumoral em questão. Procedeu-se com a coleta de dados que relacionavam o miR-10a com o CaB na plataforma CancerMirNome. A partir disso foram obtidos os gráficos de PAN-CANCER (que compara a expressão desse miR no CaB e em outros tumores), Curva ROC (para determinar precisão diagnóstica), Curva Kaplan-Meier (para evidenciar a relação do miR com o bom ou mau prognóstico do paciente) e o gráfico de expressão diferencial (que relaciona a expressão do miR em um tecido normal versus tecido tumoral). O gráfico de PAN-CANCER evidenciou que alguns tipos tumorais (a exemplo do Adenocarcinoma de Cólon, Adenocarcinoma de Reto, Mesotelioma e Carcinossarcoma uterino) possuem diferenças significativas na expressão diferencial do miR-10a em tecidos normais e tumorais, em detrimento do CaB, que não apresenta mudança de expressão relevante.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».