The G Protein-Coupled Receptor-Related Gene Signatures for Diagnosis and Prognosis in Glioblastoma: A Deep Learning Model Using RNA-Seq Data
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma (GBM) is the most aggressive cancer in the central nervous system in glial cells. Finding novel biomarkers in GBM offers numerous advantages that can contribute to early detection, personalized treatment, improved patient outcomes, and advancements in cancer research and drug development. Integrating machine learning with RNAseq data in medicine holds significant potential for identifying novel biomarkers in various diseases, including cancer. METHODS: Gene expression raw data was used to detect differentially expressed genes (DEGs) within a cohort of 532 GBM patients. The molecular pathway analysis, disease ontology, and protein-protein interactions of DEGs were assessed. Machine learning methods were performed to identify candidate genes. Survival curves were estimated using the Kaplan-Meier method and Cox proportional hazard to find prognostic biomarkers. RESULTS: The molecular pathway analysis revealed that key dysregulated genes are in GPCRs, class A rhodopsin-like, MAPK signaling pathway, and calcium regulation in cardiac cells. Additionally, survival analysis showed that ten downregulated genes, including CPLX3, GPR162, LCNL1, SLC5A5, GPR61, GPR68, IL1RL2, HCRTR1, AIPL1, and SYTL1, and also ten upregulated genes, including C1orf92, CATSPER1, CCDC19, EPS8L1, FAIM3, FAM70B, FCN3, GPR157, IGFBP1, and MYBPH decreased the overall survival in GBM patients. Furthermore, the machine learning detected twenty genes, among which LRRTM2 and OPRL1 were candidates with high correlation coefficients. CONCLUSION: Our data suggest that genes belonging to G Protein-Coupled Receptors play a critical role in various aspects of glioblastoma progression and pathogenesis. Four members of GPCRs, including GPR162, GPR61, GPR68, and GPR157, can be considered prognostic biomarkers. Additionally, the combination of A2BP1 and GPR157 was reported as a diagnostic marker.
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 | 0,001 | 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 ».