An integrative analysis of consortium-based multi-omics QTL and genome-wide association study data uncovers new biomarkers for lung cancer
Notice bibliographique
Résumé
Abstract The role of molecular traits (e.g., gene expression and protein abundance) in the occurrence, development, and prognosis of lung cancer has been extensively studied. However, biomarkers in other molecular layers and connections among various molecular traits that influence lung cancer risk remain largely underexplored. We conducted the first comprehensive assessment of the associations between molecular biomarkers (i.e., DNA methylation, gene expression, protein and metabolite) and lung cancer risk through epigenome-wide association study (EWAS), transcriptome-wide association study (TWAS), proteome-wide association study (PWAS) and metabolome-wide association study (MWAS), and then we synthesized all omics layers to reveal potential regulatory mechanisms across layers. Our analysis identified 61 CpG sites, 62 genes, 6 proteins, and 5 metabolites, yielding 123 novel biomarkers. These biomarkers highlighted 90 relevant genes for lung cancer, 83 among them were first established in our study. Multi-omics integrative analysis revealed 12 of these genes overlapped across omics layers, suggesting cross-omics interactions. Moreover, we identified 106 potential cross-layer regulatory pathways, indicating that cell proliferation, differentiation, immunity, and protein-catalyzed metabolite reaction interact to influence lung cancer risk. Further subgroup analyses revealed that biomarker distributions differ across patient subgroups. To share all signals in different omics layers with community, we released a free online platform, LungCancer-xWAS, which can be accessed at http://bigdata.njmu.edu.cn/LungCancer-xWAS/ . Our findings underscore the importance of xWAS which integrating various types of molecular quantitative trait loci (xQTL) data with genome-wide association study (GWAS) data to deepen understanding of lung cancer pathophysiology, which may provide valuable insights into potential therapeutic targets for the disease.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».