Multi-omics analysis identifies DLX4 as a novel biomarker for diagnosis, prognosis, and immune infiltration: from pan-cancer to renal cancer
Notice bibliographique
Résumé
BACKGROUND: DLX4 is involved in the regulation of embryonic development, but its function in cancer remains unclear. Here, we conducted a pan-cancer analysis to investigate the molecular mechanisms of DLX4, with a particular emphasis on its role in renal cancer. METHODS: A comprehensive analysis of DLX4 was performed, focusing on differences in expression, prognostic value, somatic mutations, methylation modifications, and immune landscapes across various cancer types using multiple databases. Gene Ontology and Kyoto Encyclopedia of Genes and Genomes analyses were utilized to explore the potential biological functions. Additionally, we evaluated the expression profile, prognostic significance, and immune infiltration of DLX4 in Kidney Renal Clear Cell Carcinoma (KIRC). The effect of DLX4 on KIRC was further validated by Spatial Transcriptomics, Real-time PCR (RT-PCR), and Immunohistochemistry experiments. RESULTS: DLX4 was found to be upregulated in 26 cancer types and associated with poor prognosis. It was also correlated with tumor mutational burden (TMB), microsatellite instability, mismatch repair, and methylation, and was significantly enriched in pathways related to cell proliferation. In KIRC, DLX4 expression increased along with TMB and immune scores, likely due to the infiltration of regulatory T cells (Tregs) and T-helper 2 (Th2) cells. Spatial transcriptomics revealed a strong correlation between DLX4 localization and tumor cells. Experimental validation confirmed that DLX4 expression is significantly upregulated in renal cancer tissues. CONCLUSION: Our study explored the mechanisms of DLX4 in pan-cancer, especially in renal clear cell carcinoma, identifying it as a promising biomarker and therapeutic target.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».