The epigenetic basis of hepatocellular carcinoma – mechanisms and potential directions for biomarkers and therapeutics
Notice bibliographique
Résumé
Hepatocellular carcinoma (HCC) is the sixth leading cancer worldwide and has complex pathogenesis due to its heterogeneity, along with poor prognoses. Diagnosis is often late as current screening methods have limited sensitivity for early HCC. Moreover, current treatment regimens for intermediate-to-advanced HCC have high resistance rates, no robust predictive biomarkers, and limited survival benefits. A deeper understanding of the molecular biology of HCC may enhance tumor characterization and targeting of key carcinogenic signatures. The epigenetic landscape of HCC includes complex hallmarks of 1) global DNA hypomethylation of oncogenes and hypermethylation of tumor suppressors; 2) histone modifications, altering chromatin accessibility to upregulate oncogene expression, and/or suppress tumor suppressor gene expression; 3) genome-wide rearrangement of chromatin loops facilitating distal enhancer-promoter oncogenic interactions; and 4) RNA regulation via translational repression by microRNAs (miRNAs) and RNA modifications. Additionally, it is useful to consider etiology-specific epigenetic aberrancies, especially in viral hepatitis and metabolic dysfunction-associated steatotic liver disease (MASLD), which are the main risk factors of HCC. This article comprehensively explores the epigenetic signatures in HCC, highlighting their potential as biomarkers and therapeutic targets. Additionally, we examine how etiology-specific epigenetic patterns and the integration of epigenetic therapies with immunotherapy could advance personalized HCC treatment strategies.
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 ».