Post-Transcriptional Modifications to miRNAs Undergo Widespread Alterations, Creating a Unique Lung Adenocarcinoma IsomiRome
Notice bibliographique
Résumé
BACKGROUND: MicroRNAs (miRNAs) modulate the expression of oncogenes and tumor suppressor genes, functioning as significant epigenetic regulators in cancer. IsomiRs are miRNA molecules that have undergone small modifications during miRNA processing. These modifications can alter an isomiR's binding stability with mRNA targets, and certain isomiRs have been implicated in the development of specific cancers. Still, the isomiRomes of many tissues, including the lung, have not been characterized; Methods: In this study, we analyzed small RNA sequencing data for three cohorts of lung adenocarcinoma (LUAD) and adult non-malignant lung (ANL) samples. RESULTS: We quantified isomiR expression and found 16 A-to-I edited isomiRs expressed in multiple cohorts, as well as 213 5' isomiRs, 128 3' adenylated isomiRs, and 100 3' uridylated isomiRs. Rates of A-to-I editing at editing hotspots correlated with mRNA expression of the editing enzymes ADAR and ADARB1, which were both observed to be deregulated in LUAD. LUAD samples displayed lower overall rates of A-to-I editing and 3' adenylation than ANL samples. Support vector machines and random forest models were trained on one cohort to distinguish ANL and stage I/II LUAD samples using reads per million (RPM) and frequency data for different types of isomiRs. Models trained on A-to-I editing rates at editing hotspots displayed high accuracy when tested on the other two cohorts and compared favorably to classifiers trained on miRNA expression alone; Conclusions: We have identified isomiRs in the human lung and found that their expression differs between non-malignant and tumor tissues, suggesting they hold potential as cancer biomarkers.
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 ».