Integrating Multi‐Omics Data to Uncover Prostate Tissue DNA Methylation Biomarkers and Target Genes for Prostate Cancer Risk
Notice bibliographique
Résumé
Previous studies have indicated that specific CpG sites may be linked to the risk of prostate cancer (PCa) by regulating the expression of PCa target genes. However, most existing studies aim to identify DNA methylation (DNAm) biomarkers through blood tissue genetic instruments, which impedes the identification of relevant biomarkers in prostate tissue. To identify PCa risk-associated CpG sites in prostate tissue, we established genetic prediction models of DNAm levels using data from normal prostate samples in the GTEx (N = 108) and assessed associations between genetically predicted DNAm in prostate and PCa risk by studying 122,188 cases and 604,640 controls. We observed significant associations for 3879 CpG sites, including 926 at novel genomic loci. Among them, DNAm levels of 80 CpG sites located at novel loci are significantly associated with expression levels of 45 neighboring genes in normal prostate tissue. Of these genes, 11 further exhibit significant associations with PCa risk for their predicted expression levels in prostate tissue. Intriguingly, a total of 31 CpG sites demonstrate consistent association patterns across the methylation-gene expression-PCa risk pathway. Our findings suggest that specific CpG sites may be related to PCa risk by modulating the expression of nearby target genes.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».