A transcriptomic biomarker predictive of cell proliferation for use in adverse outcome pathway-informed testing and assessment
Notice bibliographique
Résumé
High-throughput transcriptomics (HTTr) is increasingly being used to identify molecular targets of chemicals that can be linked to adverse outcomes. Cell proliferation (CP) is an important key event in chemical carcinogenesis. Here, we describe the construction and characterization of a gene expression biomarker that is predictive of the CP status in human and rodent tissues. The biomarker was constructed from 30 genes known to be increased in expression in prostate cancers relative to surrounding tissues and in cycling human MCF-7 cells after estrogen receptor (ER) agonist exposure. Using a large compendium of gene expression profiles to test utility, the biomarker could identify increases in CP in (i) 308 out of 367 tumor vs. normal surrounding tissue comparisons from 6 human organs, (ii) MCF-7 cells after activation of ER, (iii) after partial hepatectomy in mice and rats, and (iv) the livers of mice and rats after exposure to nongenotoxic hepatocarcinogens. The biomarker identified suppression of CP (i) under conditions of p53 activation by DNA damaging agents in human cells, (ii) in human A549 lung cells exposed to therapeutic anticancer kinase inhibitors (dasatinib, nilotnib), and (iii) in the mouse liver when comparing high levels of CP at birth to the low background levels in the adult. The responses using the biomarker were similar to those observed using conventional markers of CP including PCNA, Ki67, and BrdU labeling. The CP biomarker will be a useful tool for interpretation of HTTr data streams to identify CP status after exposure to chemicals in human cells or in rodent tissues.
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) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».